Gemini 3.8 TTS مقابل Cartesia Sonic 3.6: ثلاث عشرة نقطة إيلو وستة عشر دولارًا

أقرب نموذجين للتحويل من النص إلى الكلام على لوحة الصدارة الخاصة بالتصويت الأعمى في Artificial Analysis يفصلهما مركز واحد وستة عشر دولارًا، وهاتان الفجوتان تشيران في اتجاهين متعاكسين. Cartesia Sonic 3.6يحتل المركز الأول بدرجة Elo في Provider Voice Arena تبلغ 1,273 عبر 1,757 عيّنة. Gemini 3.8 Flash TTSيحتل المركز الثاني بدرجة 1,260 عبر 1,999 عيّنة. والفارق في Elo ثلاثة عشر نقطة — وهو داخل فترة الثقة المنشورة لكليهما — أما فارق السعر فيسير في الاتجاه المعاكس، إذ يبلغ سعر Gemini 33.00 دولارًا لكل مليون حرف مقابل 49.00 دولارًا لـ Cartesia. وإذا كنت تختار بينهما، فالتوصيف الصادق هو أنك تدفع ستة عشر دولارًا لكل مليون حرف مقابل فرق في الجودة لا تستطيع لوحة الصدارة حسمه.

هذا هو القرار بأكمله، ويستحق التأني فيه لأن كلا الطرازين جديدان بما يكفي لدرجة أنه لم يُقَس تقريبًا أي شيء آخر. صدر Cartesia Sonic 3.6 في أغسطس 2026. وصدر Gemini 3.8 Flash TTS في 23 سبتمبر 2026. لا يوجد لأي منهما معيار مستقل منشور بخلاف تصويتات الساحة، كما أن تصويتات الساحة تضعهما في تعادل إحصائي في الصدارة.

ما تقوله لوحة المتصدرين فعليًا

تُعدّ Artificial Analysis Provider Voice Arena اللوحة المفيدة هنا، لأنها تقارن الأصوات الأصلية الخاصة بكل مزوّد بأصوات كل مزوّد آخر، عبر تصويت أعمى ثنائي. وهذه مقارنة أكثر إنصافًا من لوحة موحّدة الأصوات للإجابة عن سؤال «أي منتج صوته أفضل»، لأنها تتيح لكل مزوّد أن يطرح الأصوات التي يطرحها فعلاً.

• المرتبة 1 — Cartesia Sonic 3.6، إيلو 1,273 بفاصل 17 نقطة، 1,757 عيّنة، 8 أصوات في الساحة، صدر في أغسطس 2026، 49.0 دولار لكل مليون حرف.

• المرتبة 2 — Gemini 3.8 Flash TTS، Elo 1,260 بفاصل 17 نقطة، 1,999 عيّنة، 8 أصوات في الساحة، صدر في سبتمبر 2026، 33.0 دولارًا لكل مليون حرف.

• المرتبة 3 — Alibaba Qwen-Audio-3.0-TTS-Plus، Elo 1,259، 1,447 عينة، 15 صوتًا في الساحة، 27.6 دولار لكل مليون حرف.

• المرتبة 4 إلى 9، للسياق — Inworld Realtime TTS-2 بـ 1,245، SpeechifyAI Simba 3.2 بـ 1,237، Google Gemini 3.8 Flash-Lite TTS بـ 1,235، VUI Labs Luna TTS بـ 1,230، Inworld Realtime TTS-2 Flash بـ 1,210، و BreezeBlue Breeze TTS 2 بـ 1,204.

اقرأ الفواصل، وستجد أن الثلاثة الأولى متداخلة مع بعضها البعض. نتيجة Sonic 3.6 البالغة 1,273 تحمل مدى مقداره سبعة عشر نقطة؛ ونتيجة Gemini البالغة 1,260 تحمل المدى نفسه. ويتداخل نطاقاهما عبر ما يقرب من كامل اتساعهما. كما أن Qwen-Audio-3.0-TTS-Plus عند 1,259 يتداخل مع كليهما. تقول لك لوحة الصدارة إن هذه الثلاثة لا يمكن تمييزها بالتفضيل الأعمى على العينات التي جُمعت حتى الآن، وإن الترتيب بينها ليس دليلاً مستقراً.

أعداد العينات متقاربة بما يكفي لعدم تفسير الفرق أيضًا — 1,757 لـ Cartesia مقابل 1,999 لـ Gemini. كلاهما في نطاق الآلاف المنخفضة، وهو ما يكفي لوضع نموذج في فئة وليس كافيًا للفصل بين المتجاورين فيها.

من أين تأتي الستة عشر دولارًا

لا تنشر صفحة الأسعار الخاصة بـ Cartesia معدلًا لكل مليون حرف لـ Sonic. فهي تبيع مستويات اشتراك بدقائق مضمّنة — Free بسعر $0 مع 20,000 رصيد، أي نحو 27 دقيقة من Sonic 3.6؛ Pro بسعر $5 مع 100,000 رصيد، أي نحو 133 دقيقة؛ Startup بسعر $49 مع 1.25 مليون رصيد، أي نحو 1,667 دقيقة؛ Scale بسعر $299 مع 8 ملايين رصيد، أي نحو 10,667 دقيقة — بالإضافة إلى حدود التزامن البالغة 2 و3 و5 و15 على التوالي، وتوطين الصوت عند 225 رصيدًا لكل لهجة مضافة، ومدة مكالمة وكيل الصوت عند $0.06 في الدقيقة، والاتصالات الهاتفية عند $0.014 في الدقيقة.

إذن، فسعر 49.00 دولارًا لكل مليون حرف ليس سعر القائمة الخاص بـ Cartesia بوحداته الخاصة، بل هو قيام Artificial Analysis بتوحيد اعتمادات Cartesia في مقام مشترك كي تتمكن لوحة المقارنة من الترتيب حسب السعر أصلًا. وهذا أمر مشروع أن تفعله لوحة مقارنة، وهو الرقم الوحيد القابل للمقارنة المباشرة المتاح، لكنه يعني أن رقم Cartesia معدَّل مشتق، بينما رقم Gemini منشور.

تعريفة Google واضحة. تفرض Gemini 3.8 Flash TTS رسومًا قدرها $0.50 لكل مليون رمز من النص المُدخل و$9.00 لكل مليون رمز من الصوت المُخرَج حتى 31 ديسمبر 2026، ثم $1.00 و$18.00. يُحتسب الصوت بواقع 25 رمزًا في الثانية، لذا يتحول سعر إخراج الصوت إلى نحو 0.02 سنت لكل ثانية من الكلام. أما Flash-Lite TTS، النسخة الشقيقة الأرخص، فيبلغ $6.00 لكل مليون رمز صوتي على أساس نفس الثانية البالغة 25 رمزًا، وتضعه Artificial Analysis عند ما يعادل $22.10 لكل 1M حرف في المرتبة 6 بتصنيف Elo قدره 1,235.

• السعر لكل مليون حرف — Cartesia Sonic 3.6 49.00 دولارًا مقابل Gemini 3.8 Flash TTS 33.00 دولارًا مقابل Gemini 3.8 Flash-Lite TTS 22.10 دولارًا.

• إيلو الساحة — 1,273 مقابل 1,260 مقابل 1,235، جميعها بفواصل 17 نقطة عند المركزين الأولين.

• أصوات الساحة — 8 vs 8 vs 8.

• العينات — 1,757 مقابل 1,999 مقابل 2,000.

• التوفر — النسخة التجريبية المستضافة من Cartesia مقابل Gemini Developer API الخاصة بـ Google، والمتاحة عمومًا.

• إصدار الوزن — مغلق لكليهما؛ لا يمكن تنزيل أي منهما.

الجزء الذي تخفيه مقارنة الأسعار

وحدة "لكل مليون حرف" ملائمة، وهي ليست الطريقة التي يفوتر بها أي من المنتجَين.

وحدة القياس لدى Cartesia هي رصيد مقابل اشتراك، مع حدود تزامن مرتبطة بالفئة. وهذا يعني أن التكلفة الحدية للألف حرف التالية لديك تساوي صفرًا حتى تصل إلى الحد الأقصى، ثم تصبح تكلفة الفئة الأعلى التالية. وبالنسبة لحمل عمل بسقف متوقع، فهذه صفقة أفضل مما يوحي به سعر الحرف الواحد — فأنت تشتري هامشًا إضافيًا، لا استهلاكًا. أما بالنسبة لحمل عمل يشهد ارتفاعات مفاجئة، فهي أسوأ، لأن التزامن بمقدار 2 في فئة Free و3 في Pro يمثل جدارًا صلبًا وليس سعرًا.

وحدة Gemini هي الرمز المميز، وتُحتسب لكل استدعاء، مع عدم نشر أي سقف للتزامن، وثلاث طبقات خدمة — Standard وBatch وFlex، وPriority — بأسعار مختلفة. وتخفض Batch وFlex سعر الصوت إلى 4.50 دولارات لكل مليون رمز مميز على Flash TTS؛ بينما ترفعه Priority إلى 16.20 دولارًا. هذا نموذج تكلفة أكثر دقة وتفصيلًا، ويكافئ ما عادةً ما يكافئه تسعير Google: معرفة مسبقًا ما إذا كانت المهمة تفاعلية أم دفعية.

أيّهما أرخص، إذن، يعتمد على ما إذا كان عبء عمل الكلام لديك يشبه اشتراكًا أم عدّادًا. فباقات Cartesia مسعّرة لمنتجات ذات حجم ثابت ومحدود. أما باقات Gemini فمسعّرة لاستهلاك يمكنك تصنيفه.

ما الذي لا تزال Cartesia تمتلكه ولا يملكه Google

شيئان، وكلاهما يتعلق بأن تكون منتجًا صوتيًا لا نموذجًا صوتيًا.

تبيع Cartesia البنية التحتية للاتصالات الهاتفية ووكلاء الصوت مباشرةً: 0.014 دولار لكل دقيقة للاتصالات الهاتفية، و0.06 دولار لكل دقيقة لمدة مكالمة وكيل الصوت، وتوطين الصوت عند 225 رصيدًا لكل لهجة مضافة. إذا كنت تبني وكيلًا هاتفيًا، فهذه حزمة يمكنك شراؤها من مكان واحد. Gemini 3.8 Flash TTS هو نقطة نهاية تخليق — يُرجع الصوت ويتوقف. أنت توفّر النقل، واكتشاف الدور، والاتصالات الهاتفية بنفسك، أو تجمعها من بائعين آخرين.

كما أن Cartesia موجودة على لوحة الصدارة منذ وقت أطول. فتاريخ إصدارها في أغسطس مقابل إصدار Google في سبتمبر يعني أن قدرًا أكبر من عدد عيناتها تراكم أمام نسخة مستقرة، بينما لا يزال إطلاق سبتمبر يجمع الأصوات. وتقدير Elo لنموذج في أسبوعه الأول أكثر تشويشًا من تقدير Elo للنموذج نفسه بعد شهر، وهذا يضعف تفسير فجوة الثلاث عشرة نقطة كدليل لصالح Cartesia.

ما تمتلكه Google ولا تمتلكه Cartesia

تغطية اللغات هي الأوضح. يدعم Flash TTS 130 لغة مع الكشف التلقائي؛ ويدعم Flash-Lite 101 لغة. نموذج التوطين لدى Cartesia تراكمي — إذ تشتري اللكنات فوق صوت أساسي مقابل 225 رصيدًا لكل لهجة — وهذا نهج مختلف ومنحنى تكلفة مختلف بمجرد تجاوز عدد قليل من اللغات.

سطح الإلقاء هو الثاني. يتيح لك Gemini 3.8 Flash TTS توجيه سطر بالطريقة التي توجّه بها ممثلًا، وإخراج مشاهد بمتحدثين اثنين داخل استدعاء واحد، وكتابة إشارات غير لفظية — <laughs>، <sigh>، <gasp>، |mhm|، |yeah| — مباشرةً في النص. كما يقدّم تصميم الصوت من وصف باللغة الطبيعية، واستنساخ الصوت من عينة مدتها 30 ثانية مع التحقق من الموافقة، وعلامة SynthID المائية وبيانات اعتماد C2PA على المخرجات. إعادة مزج الصوت مُدرَجة على أنها ستتوفر قريبًا.

وهو متاح على نطاق عام، لا في نسخة تجريبية. أما Cartesia Sonic 3.6 فهي نسخة تجريبية مستضافة، وهو ما يعبّر عن مدى ثقة المورّد بنقطة النهاية تحت الحمل.

أيّ واحد يجب استدعاؤه فعليًا؟

إذا كان عبء العمل لديك عبارة عن وكيل هاتفي بحجم متوقع وكنت تريد الاتصالات الهاتفية والتزامن والتوليف من مورّد واحد، فإن Cartesia Sonic 3.6 هو الخيار المتماسك، وفجوة الستة عشر دولارًا هي ثمن عدم تجميع ثلاثة مورّدين بنفسك.

إذا كان عبء العمل لديك هو التوليد الصوتي داخل منتج تديره بالفعل — سردٌ، أو طبقة إمكانية وصول، أو صوت روبوت دعم، أو تمريرة تعريب بـ130 لغة — فإن Gemini 3.8 Flash TTS أرخص لكل حرف، وأوسع في التغطية اللغوية، وأدق في التحكم بالإلقاء، ومتاح عمومًا. ولا يُعدّ اختلاف Elo حجة ضده، لأن اختلاف Elo ليس حقيقيًا إحصائيًا.

إذا كنت تريد أرخص الثلاثة في قمة القائمة ويمكنك قبول قائمة لغات أقصر، فإن Gemini 3.8 Flash-Lite TTS يكلّف 6.00 دولارات لكل مليون رمز صوتي ويأتي في المركز 1,235 منخفضًا بستة مراكز — وهي فجوة تقع أيضًا ضمن نطاق الضجيج.

أيًا كان ما تختاره، فإن مسار الترحيل يهم أكثر من الاختيار، لأن كلا النموذجين جديدان وكلا المورّدين لا يزالان يضبطان أداءهما. OrcaRouter هو التحوّط: مفتاح واحد عبر أكثر من 200 نموذج بسعر القائمة لدى المزوّد ومن دون هامش ربح، لذا فإن أي خفض سعر من أي من المختبرين يصل إلى فاتورتك في اليوم نفسه بدلًا من وقت التجديد، تحويل احتياطي تلقائي إذا فشل استدعاء التخليق، وDSL للتوجيه إذا أردت إرسال مهمة دفعية إلى أحد النماذج واستدعاء تفاعلي إلى نموذج آخر. نحن لا نستضيف نقاط نهاية Cartesia Sonic 3.6 أو Gemini 3.8 TTS — فتخليق Cartesia منتج خاص به، ونماذج الكلام Gemini تأتي من Google API — لكن طبقة النص ومسار التحويل الاحتياطي عند الفشل ملكنا، وهذان هما الجزآن اللذان يجعلان نموذجًا جديدًا تمامًا آمنًا للتجربة.

ما ينبغي مراقبته هو المراجعة التالية لـ Artificial Analysis. إذا أغلقت Gemini 3.8 Flash TTS الفجوة البالغة ثلاث عشرة نقطة بمجرد أن ينضج عدد عيناتها، فإن فجوة السعر تكفّ عن كونها مفاضلة وتبدأ في أن تكون إجابة مباشرة. وإن لم يحدث ذلك، فستحتفظ Cartesia بتاج الجودة ويحتفظ Google بتاج السعر، ويبقى الخيار تمامًا كما هو الآن: اشتراك ملحق به اتصال هاتفي، أو عدّاد ملحق به 130 لغة.