Gemini 3.8 TTS מול Cartesia Sonic 3.6: שלוש עשרה נקודות Elo וששה עשר דולר

שני מודלי הטקסט-לדיבור הקרובים ביותר בטבלת המובילים של הצבעה עיוורת של Artificial Analysis מרוחקים זה מזה מקום אחד ומרוחקים זה מזה שישה-עשר דולר, ושתי הפערים הללו מצביעים בכיוונים מנוגדים. Cartesia Sonic 3.6 נמצא במקום הראשון עם Provider Voice Arena Elo של 1,273 על פני 1,757 דגימות. Gemini 3.8 Flash TTS נמצא במקום השני עם 1,260 על פני 1,999 דגימות. פער ה-Elo הוא שלושה-עשר נקודות — בתוך רווח הסמך המפורסם של שניהם — ופער המחיר נע בכיוון ההפוך, כאשר Gemini עומד על 33.00 דולר למיליון תווים לעומת 49.00 דולר של Cartesia. אם אתם בוחרים בין השניים, ההצגה הכנה היא שאתם משלמים שישה-עשר דולר למיליון תווים עבור הבדל באיכות שטבלת המובילים אינה יכולה להכריע.

זו כל ההחלטה, וכדאי לעצור עליה, מפני ששני המודלים כה חדשים, עד שכמעט שום דבר אחר לא נמדד. Cartesia Sonic 3.6 הגיע באוגוסט 2026. Gemini 3.8 Flash TTS הגיע ב-23 בספטמבר 2026. לאף אחד מהם אין בנצ'מרק עצמאי מפורסם מעבר להצבעות הארנה, והצבעות הארנה מציבות אותם בתיקו סטטיסטי בצמרת.

מה שלוח המובילים בעצם אומר

Artificial Analysis Provider Voice Arena הוא הלוח השימושי כאן מכיוון שהוא משווה את הקולות המקוריים של כל ספק מול אלו של כל ספק אחר, בהצבעה עיוורת בזוגות. זוהי השוואה הוגנת יותר מאשר לוח עם קולות מבוקרים לשאלה "איזה מוצר נשמע טוב יותר", מכיוון שהיא מאפשרת לכל ספק להציע את הקולות שהוא מציע בפועל.

• דירוג 1 — Cartesia Sonic 3.6, Elo 1,273 עם מרווח של 17 נקודות, 1,757 דגימות, 8 קולות ארנה, שוחרר באוגוסט 2026, $49.0 ל-1M תווים.

• דירוג 2 — Gemini 3.8 Flash TTS,‏ Elo 1,260 עם מרווח של 17 נקודות, 1,999 דגימות, 8 קולות ארנה, שוחרר בספטמבר 2026,‏ $33.0 לכל מיליון תווים.

• דירוג 3 — Alibaba Qwen-Audio-3.0-TTS-Plus, Elo 1,259, 1,447 דגימות, 15 קולות ארנה, 27.6 $ למיליון תווים.

• דירוג 4 עד 9, לצורך הקשר — Inworld Realtime TTS-2 בציון 1,245, SpeechifyAI Simba 3.2 בציון 1,237, Google Gemini 3.8 Flash-Lite TTS בציון 1,235, VUI Labs Luna TTS בציון 1,230, Inworld Realtime TTS-2 Flash בציון 1,210, ו-BreezeBlue Breeze TTS 2 בציון 1,204.

קרא את המרווחים ושלושת המובילים מתמזגים זה לתוך זה. ה־1,273 של Sonic 3.6 מגיע עם טווח של שבעה עשר נקודות; ה־1,260 של Gemini מגיע עם אותו טווח. הטווחים שלהם חופפים זה לזה כמעט לכל רוחבם. Qwen-Audio-3.0-TTS-Plus עם 1,259 חופף לשניהם. הלוח אומר לך ששלושתם אינם ניתנים להבחנה לפי העדפה עיוורת במדגמים שנאספו עד כה, ושהסדר ביניהם אינו ראיה יציבה.

גם מספרי הדגימות קרובים מדי מכדי להסביר את ההבדל — 1,757 עבור Cartesia לעומת 1,999 עבור Gemini. שניהם באלפים הנמוכים, וזה מספיק כדי למקם מודל ברצועה ולא מספיק כדי להפריד בין שכנים בה.

מאיפה מגיעים ששת-עשר הדולרים

דף התמחור של Cartesia עצמו אינו מפרסם תעריף למיליון תווים עבור Sonic. הוא מוכר מסלולי מנוי עם דקות כלולות — Free ב-0$ עם 20,000 קרדיטים, בערך 27 דקות של Sonic 3.6; Pro ב-5$ עם 100,000 קרדיטים, בערך 133 דקות; Startup ב-49$ עם 1.25 מיליון קרדיטים, בערך 1,667 דקות; Scale ב-299$ עם 8 מיליון קרדיטים, בערך 10,667 דקות — ובנוסף מגבלות מקביליות של 2, 3, 5 ו-15 בהתאמה, לוקליזציה קולית ב-225 קרדיטים לכל מבטא נוסף, משך שיחה של סוכן קולי ב-0.06$ לדקה, וטלפוניה ב-0.014$ לדקה.

אז $49.00 למיליון תווים אינו מחיר המחירון של Cartesia ביחידות שלה עצמה. זהו Artificial Analysis שמנרמל את הקרדיטים של Cartesia למכנה משותף כדי שלוח ההשוואה יוכל לדרג לפי מחיר בכלל. זה דבר לגיטימי שלוח השוואה יעשה, וזה הנתון היחיד להשוואה ישירה שזמין, אבל זה אומר שהמספר של Cartesia הוא תעריף נגזר ואילו המספר של Gemini הוא תעריף מפורסם.

התעריף של Google פשוט. Gemini 3.8 Flash TTS גובה $0.50 לכל מיליון טוקנים של טקסט בקלט ו-$9.00 לכל מיליון טוקנים של אודיו בפלט עד 31 בדצמבר 2026, ואז $1.00 ו-$18.00. אודיו נמדד ב-25 טוקנים לשנייה, כך שתעריף פלט האודיו מתורגם לכ-0.02 סנט לשנייה של דיבור. Flash-Lite TTS, האח הזול יותר, הוא $6.00 למיליון טוקני אודיו באותה שנייה של 25 טוקנים, ו-Artificial Analysis מציב אותו בשווה ערך של $22.10 למיליון תווים בדירוג 6 עם Elo של 1,235.

• מחיר ל-1 מיליון תווים — Cartesia Sonic 3.6 $49.00 לעומת Gemini 3.8 Flash TTS $33.00 לעומת Gemini 3.8 Flash-Lite TTS $22.10.

• Arena Elo — 1,273 לעומת 1,260 לעומת 1,235, כולם עם מרווחים של 17 נקודות בשני המקומות הראשונים.

• קולות בזירה — 8 נגד 8 נגד 8.

• דגימות — 1,757 מול 1,999 מול 2,000.

• זמינות — בטא מתארחת של Cartesia לעומת Gemini Developer API של Google עצמה, שזמין באופן כללי.

• שחרור משקל — סגור לשניהם; אף אחד מהם אינו ניתן להורדה.

החלק שהשוואת המחירים מסתירה

למיליון תווים היא יחידה נוחה, וזה לא האופן שבו אף אחד מהמוצרים מחייב.

היחידה של Cartesia היא קרדיט כנגד מנוי, עם תקרות מקביליות המשויכות לרמה. משמעות הדבר היא שהעלות השולית של אלף התווים הבאים שלך היא אפס עד שתגיע לתקרה, ואז היא עלות הרמה הבאה. עבור עומס עבודה עם תקרה צפויה, זו עסקה טובה יותר מכפי שתעריף לתו מרמז — אתה קונה מרווח, לא צריכה. עבור עומס עבודה עם קפיצות, זה גרוע יותר, כי מקביליות של 2 ברמה החינמית ו-3 ברמת Pro היא קיר קשיח ולא מחיר.

היחידה של Gemini היא טוקן, שנמדדת לפי קריאה, ללא תקרת מקביליות מפורסמת ושלוש דרגות שירות — Standard, Batch ו-Flex, ו-Priority — בתעריפים שונים. Batch ו-Flex מפחיתים בחצי את תעריף האודיו ל-$4.50 למיליון טוקנים ב-Flash TTS; Priority מעלה אותו ל-$16.20. זהו מודל עלויות הרבה יותר מפורט, והוא מתגמל את מה שתמחור של Google בדרך כלל מתגמל: לדעת מראש אם משימה היא אינטראקטיבית או אצוותית.

לכן מה זול יותר תלוי בשאלה אם עומס הדיבור שלך נראה כמו מנוי או כמו מונה. השכבות של Cartesia מתומחרות עבור מוצרים עם נפח יציב ומוגבל. השכבות של Gemini מתומחרות עבור צריכה שאפשר לסווג.

מה שעדיין יש ל-Cartesia ושאין ל-Google

שני דברים, ושניהם עוסקים בלהיות מוצר קולי ולא מודל קולי.

Cartesia מוכרת תשתיות טלפוניה וסוכני קול ישירות: $0.014 לדקה עבור טלפוניה, $0.06 לדקה עבור משך שיחה של סוכן קולי, ולוקליזציה קולית ב-225 קרדיטים לכל מבטא נוסף. אם אתם בונים סוכן טלפוני, זה סטאק שאפשר לקנות במקום אחד. Gemini 3.8 Flash TTS הוא נקודת קצה לסינתזה — הוא מחזיר אודיו ונעצר. אתם מספקים בעצמכם את התעבורה, את זיהוי התורות ואת הטלפוניה, או שאתם מרכיבים אותם מספקים אחרים.

Cartesia גם נמצאת בלוח זמן רב יותר. תאריך ההשקה שלה באוגוסט לעומת ספטמבר של Google משמעו שיותר מכמות הדגימות שלה הצטברה כנגד גרסה יציבה, בעוד שהשקה בספטמבר עדיין אוספת הצבעות. ה-Elo של מודל בשבוע הראשון שלו הוא אומדן רועש יותר מה-Elo של אותו מודל לאחר חודש, וזה פועל נגד פרשנות של פער של שלוש עשרה נקודות כראיה לטובת Cartesia.

מה שיש ל-Google ושאין ל-Cartesia

כיסוי השפות הוא הברור ביותר. Flash TTS תומך ב-130 שפות עם זיהוי אוטומטי; Flash-Lite תומך ב-101. מודל הלוקליזציה של Cartesia הוא מצטבר — קונים מבטאים על גבי קול בסיס ב-225 קרדיטים כל אחד — זו גישה שונה ועקומת עלות שונה ברגע שעוברים קומץ שפות.

משטח המסירה הוא השני. Gemini 3.8 Flash TTS מאפשר לך לביים שורה כמו שהיית מביים שחקן, להעמיד סצנות של שני דוברים בתוך קריאה אחת, ולכתוב רמזים לא-מילוליים — <laughs>, <sigh>, <gasp>, |mhm|, |yeah| — ישירות לתוך התסריט. היא גם מציעה עיצוב קול מתוך תיאור בשפה טבעית ושכפול קול מדגימה של 30 שניות עם אימות הסכמה, סימן מים של SynthID ואישורי C2PA על הפלט. ערבוב קולות רשום כשירות שיגיע בקרוב.

והוא זמין באופן כללי, לא בגרסת בטא. Cartesia Sonic 3.6 היא בטא מתארחת, וזה מהווה הצהרה על מידת הביטחון של הספק עצמו בנקודת הקצה תחת עומס.

למי בעצם להתקשר

אם עומס העבודה שלך הוא סוכן טלפוני עם נפח צפוי ואתה רוצה טלפוניה, מקביליות וסינתזה מספק אחד, Cartesia Sonic 3.6 הוא הבחירה העקבית, ופער ששה-עשר הדולרים הוא המחיר של לא להרכיב שלושה ספקים בעצמך.

אם עומס העבודה שלך הוא סינתזה בתוך מוצר שאתה כבר מפעיל — קריינות, שכבת נגישות, הקול של בוט תמיכה, סבב לוקליזציה ל-130 שפות — Gemini 3.8 Flash TTS זול יותר לכל תו, רחב יותר בכיסוי שפות, מדויק יותר בשליטה בהגשה, וזמין באופן כללי. הפער ב-Elo אינו טיעון נגדו, משום שהפער ב-Elo אינו ממשי סטטיסטית.

אם אתה רוצה את הזול מבין השלושה בראש הטבלה ויכול להסתפק ברשימת שפות קצרה יותר, Gemini 3.8 Flash-Lite TTS הוא $6.00 למיליון אסימוני אודיו ונמצא שש מקומות מתחת, במקום ה-1,235 — פער שגם הוא בתוך הרעש.

לא משנה במי תבחרו, מסלול ההגירה חשוב יותר מהבחירה עצמה, כי שני המודלים חדשים ושתי הספקיות עדיין מכווננות. OrcaRouter הוא הגידור: מפתח אחד ליותר מ-200 מודלים במחיר המחירון של הספק, בלי תוספת, כך שהורדת מחיר מאחת המעבדות מגיעה לחשבון שלכם באותו היום ולא רק בעת החידוש, מעבר אוטומטי לגיבוי אם קריאת סינתזה נכשלת, ו-DSL לניתוב אם תרצו לשלוח עבודת אצווה למודל אחד וקריאה אינטראקטיבית לאחר. אנחנו לא מארחים את Cartesia Sonic 3.6 או את נקודות הקצה של Gemini 3.8 TTS — הסינתזה של Cartesia היא מוצר בפני עצמו ומודלי הדיבור של Gemini מגיעים מה-API של Google — אבל שכבת הטקסט ומסלול הגיבוי הם שלנו, ואלה החלקים שהופכים מודל חדש לגמרי לבטוח לניסיון.

הדבר שיש לעקוב אחריו הוא הרוויזיה הבאה של Artificial Analysis. אם Gemini 3.8 Flash TTS תסגור את שלוש-עשרה הנקודות כאשר מספר הדגימות שלה יבשיל, פער המחיר מפסיק להיות פשרה והופך לתשובה פשוטה. אם לא, Cartesia שומרת על כתר האיכות ו-Google שומרת על כתר המחיר, והבחירה נשארת בדיוק במקום שבו היא נמצאת כעת: מנוי עם טלפוניה מצורפת, או מונה עם 130 שפות מצורפות.