Eleven v4 vs Cartesia Sonic 3.6: un divario Elo di 43 punti contro una voce più economica del 39%

ElevenLabs Eleven v4 si colloca 43 punti Elo sopra Cartesia Sonic 3.6 nella Provider Voice Arena di Artificial Analysis — 1.319 contro 1.276 — e vince anche la classifica Controlled Voice, con il secondo posto contro il quarto di Sonic 3.6. Perde però sul prezzo con un ampio margine nella direzione opposta: 80,00 $ per milione di caratteri contro 49,00 $, e circa nove volte la tariffa per carattere secondo i listini degli stessi fornitori durante la finestra di lancio. È uno di quei rari confronti in cui il tabellone è chiaro e la decisione non lo è ancora, perché i due modelli non competono davvero per lo stesso compito.

Che cos'è ciascun modello, in un paragrafo per ognuno

ElevenLabs Eleven v4 è stato rilasciato il 28 settembre come modello di sintesi vocale di punta dell'azienda, insieme a Eleven v4 Turbo. La documentazione gli attribuisce oltre 90 lingue, un limite di input di 10.000 caratteri per richiesta, dialoghi multi-voce con identità stabile del parlante, supporto migliorato per i fonemi IPA e direttive inline che consentono di scrivere l'interpretazione nel copione. La clonazione vocale parte da dieci secondi di audio per cloni istantanei, con un livello professionale superiore.

Cartesia Sonic 3.6 è l'attuale release di una linea di modelli che Cartesia posiziona sulla velocità e sulla naturalezza. La sua stessa pagina di prodotto lo definisce il modello text-to-speech più veloce e più naturale, dichiara una latenza inferiore a 90 ms, un funzionamento nativamente multilingue in 44 lingue, il voice cloning da dieci secondi di audio, dizionari di pronuncia personalizzati e un set di conformità che comprende HIPAA, SOC 2 Type 2, GDPR e PCI. Entrambi i fornitori pubblicano cifre di latenza per i propri modelli; nessuno dei due set è verificato in modo indipendente, e non sono misurati allo stesso modo.

Il tabellone dei punteggi, dimensione per dimensione

• Preferenza alla cieca, le voci proprie di ciascun fornitore — Eleven v4 al 1° posto, Elo 1.319 contro Sonic 3.6 al 2° posto, Elo 1.276. Un divario di 43 punti.

• Preferenza alla cieca, voci clonate appaiate — Eleven v4 posizione 2, Elo 1.157 vs Sonic 3.6 posizione 4, Elo 1.138. Un divario di 19 punti, più stretto del primo.

• Normalizzazione del prezzo di Arena, per milione di caratteri — Eleven v4 $80,00 vs Sonic 3.6 $49,00. Sonic costa il 39% in meno sul denominatore comune della classifica.

• Tariffario del fornitore, per mille caratteri — Eleven v4 0,022 $ in promozione, 0,08 $ dopo il 12 ottobre rispetto a Sonic 3.6 0,049 $. Sonic è più economico del 39% una volta terminata la promozione.

• Copertura linguistica, documentata dal fornitore — Eleven v4 oltre 90 contro Sonic 3.6 44. Circa il doppio.

• Limite di input per richiesta — Eleven v4 10.000 caratteri, mentre per Sonic 3.6 non è indicato nella sua pagina di prodotto.

• Latenza, dichiarata dal fornitore — Eleven v4 Turbo circa 150 ms di mediana al primo parlato rispetto a Sonic 3.6 sotto i 90 ms. Anche in questo caso, test diversi.

• Clonazione vocale — entrambi da dieci secondi di audio, entrambi con un livello professionale superiore.

• Controlli di enumerazione — Eleven v4 documenta l'input di fonemi IPA e un livello di clonazione professionale; Sonic 3.6 documenta dizionari di pronuncia personalizzati.

• Posizione di conformità — Sonic 3.6 dichiara la conformità a HIPAA, SOC 2 Type 2, GDPR e PCI. ElevenLabs dichiara la propria conformità separatamente dalla pagina del modello e non mette un elenco corrispondente accanto a v4.

Due di quelle righe sono quelle che decidono i progetti reali. Il divario Elo è di 43 punti sulla board delle voci del fornitore e di 19 su quella delle voci clonate — la linea Sonic si riduce di oltre la metà quando i parlanti vengono tenuti costanti. Questo è il segno distintivo di un modello il cui tuning è competitivo e il cui cast vocale predefinito non lo è, e ti dice che il problema di Sonic in questo confronto è la presentazione, non la qualità della sintesi.

Perché il divario di prezzo è più piccolo di quanto sembri

Il confronto sulle tariffe di riferimento è fuorviante in entrambe le direzioni. Il prezzo di Eleven v4 di 0,022 $ per mille caratteri è una cifra promozionale con data di scadenza il 12 ottobre; il numero che sopravvive alla finestra è 0,08 $, che è superiore di oltre il 60% rispetto al listino di Sonic 3.6. Ma la normalizzazione dell'arena non tiene conto della promozione: applica ai modelli le loro tariffe di listino e si attesta su 80,00 $ contro 49,00 $, che è il confronto che sarà ancora valido a novembre.

C'è una seconda complicazione. Cartesia non pubblica una tariffa per carattere sulla propria pagina di prodotto, quindi la cifra di $0,049 deriva dalla normalizzazione dell'arena anziché dal fornitore, e i due conteggi potrebbero non quadrare esattamente — la normalizzazione presuppone determinate modalità di fatturazione da parte di un fornitore. Considera affidabile l'ordinamento e approssimative le percentuali precise.

Un mese effettivo a cinque milioni di caratteri: Eleven v4 con la tariffa promozionale costa $110, e $400 dopo il 12 ottobre. Sonic 3.6 costa $245. Quindi per le prossime due settimane Eleven v4 costa meno della metà di Sonic, e dopo costa il 63% in più. Chiunque scriva oggi un confronto per l'approvvigionamento e lo pubblichi il mese prossimo otterrà il contrario, a meno che non dica quale tariffa ha usato.

Il segmento in cui Sonic 3.6 è la risposta corretta

Ci sono carichi di lavoro vocali in produzione per cui le classifiche delle arene non misurano ciò che conta davvero, e Sonic 3.6 è costruito proprio per questi.

Gli agenti conversazionali in tempo reale sono il caso più chiaro. Una latenza inferiore a 90 ms non è un numero di marketing in un agente telefonico; è la differenza tra un'interruzione che sembra gestita e una che sembra una chiamata persa, ed ElevenLabs non pubblica nessuna cifra equivalente per Eleven v4 stesso — solo per il tier Turbo a circa 150 ms di mediana al primo parlato. Se il budget del socket del tuo agente è stretto, i 43 punti Elo possono valere meno per te dei millisecondi, e il tuo test di barge-in lo risolverà più velocemente di qualsiasi classifica.

Il deployment regolamentato è il secondo. Cartesia dichiara HIPAA, SOC 2 Type 2, GDPR e PCI sulla pagina del prodotto. Un elenco di conformità non è un Elo e non può essere sostituito da un Elo; se un revisore del settore sanitario o dei pagamenti è nel tuo percorso di rilascio, quella riga del tabellone vale più delle altre nove.

La pronuncia deterministica è la terza, ed è più sottile. L'input di fonemi IPA documentato di Eleven v4 è un punto di forza, ma i dizionari di pronuncia personalizzati di Sonic 3.6 sono il flusso di lavoro che i team con grandi vocabolari di nomi di prodotto tendono ad aver già costruito. Il porting di un dizionario è un lavoro vero; il modello che utilizza l'artefatto che possiedi parte con un vantaggio.

Dove Eleven v4 è semplicemente il modello migliore

Detto tutto questo, le classifiche misurano qualcosa ed Eleven v4 ha vinto entrambe. Su Provider Voice supera Sonic 3.6 di 43 punti, con 1.674 campioni a supporto della stima, e il precedente flagship — ElevenLabs Eleven v3 a 1.169 — si trova 107 punti dietro Sonic 3.6, il che significa che ElevenLabs ha colmato un divario reale in una sola generazione invece di difendere un vantaggio.

Il numero di lingue è il secondo vantaggio inequivocabile. 90 e più contro 44 è all'incirca il doppio, e per un prodotto distribuito oltre l'inglese e una manciata di lingue europee, si tratta di una questione di copertura più che di qualità: Sonic 3.6 potrebbe non avere affatto una voce per alcune delle tue lingue di destinazione. E la gestione dei dialoghi multi-parlante e le direttive di resa inline rappresentano una reale differenza di capacità: scrivere una risata nello script è un flusso di lavoro che Sonic 3.6 non documenta, e riprodurre quell'effetto su un modello che non la supporta significa post-produzione o una seconda registrazione, il che costa più di quanto il divario Elo suggerisca.

Eseguire uno dei due, e la parte in cui non possiamo essere d'aiuto

OrcaRouter non ospita nessuno di questi modelli. ElevenLabs e Cartesia non sono nel nostro catalogo, quindi nulla in questo confronto può essere chiamato tramite noi, e la risposta onesta a "come faccio a usarlo su OrcaRouter" è che non puoi — ti rivolgi al fornitore. Quello che gestiamo è il caso in cui uno stack vocale finisce per estendersi su più fornitori anziché su uno solo: una singola chiave API su oltre 200 modelli, con i prezzi di listino dei fornitori passati a un markup dello 0% così che una variazione di prezzo di un fornitore sia attiva dalla nostra parte lo stesso giorno in cui entra in vigore. Per una decisione che dipende dal fatto che tu stia pagando $110 o $400 per i caratteri dello stesso mese, questa tempistica non è una cosa da poco.

Dove un percorso vocale è rivolto al cliente e non può cadere, il failover automatico sposta il traffico verso un upstream sano quando uno si degrada. È il pattern che rende vantaggioso sfruttare una finestra promozionale di due settimane: puoi puntare la produzione al modello più economico per quindici giorni senza riscrivere l'integrazione, e tornare indietro quando la tariffa si ripristina.

Chi dovrebbe passare, e chi dovrebbe aspettare

Passa a Eleven v4 se il tuo prodotto viene giudicato da come suona, se lo rilasci in più di un paio di dozzine di lingue o se i tuoi utenti ascoltano qualunque voce il fornitore abbia scelto per loro — quest'ultimo gruppo è esattamente quello che rappresenta il Provider Voice board, e il divario lì è il più ampio di qualsiasi riga.

Rimani su Sonic 3.6 se gestisci conversazioni in tempo reale con un budget di latenza, se un revisore di conformità approva il tuo stack, o se hai un dizionario di pronuncia che non puoi permetterti di ricostruire. Su queste tre righe Sonic non è indietro; è l'unica opzione con una risposta pubblicata.

Aspetta: in ogni caso, se la tua decisione dipende dal prezzo. Tra due settimane il tariffario di Eleven v4 cambierà di un fattore quasi quattro, mentre quello di Sonic 3.6 no, e un confronto scritto oggi risulterà sbagliato entro metà ottobre. L'ordinamento Elo reggerà ancora. I soldi no.