Gemini 3.8 TTS vs Cartesia Sonic 3.6: dertien Elo-punten en zestien dollar

De twee dichtst bij elkaar liggende tekst-naar-spraakmodellen op de blind-vote-ranglijst van Artificial Analysis staan één plaats en zestien dollar van elkaar verwijderd, en die twee verschillen wijzen in tegengestelde richtingen. Cartesia Sonic 3.6 staat op nummer één met een Provider Voice Arena Elo van 1.273 over 1.757 samples. Gemini 3.8 Flash TTS staat op nummer twee met 1.260 over 1.999 samples. Het Elo-verschil is dertien punten — binnen het gepubliceerde betrouwbaarheidsinterval voor beide — en het prijsverschil loopt de andere kant op, met Gemini op $33,00 per miljoen tekens tegenover Cartesia's $49,00. Als u tussen beide moet kiezen, is de eerlijke formulering dat u zestien dollar per miljoen tekens betaalt voor een kwaliteitsverschil dat de ranglijst niet kan onderscheiden.

Dat is de hele beslissing, en het is de moeite waard om hier even bij stil te staan, want beide modellen zijn zo nieuw dat er bijna niets anders is gemeten. Cartesia Sonic 3.6 verscheen in augustus 2026. Gemini 3.8 Flash TTS verscheen op 23 september 2026. Geen van beide heeft een gepubliceerde onafhankelijke benchmark, afgezien van de arena-stemmen, en de arena-stemmen laten hen statistisch gezien gelijk eindigen aan de top.

Wat de ranglijst eigenlijk zegt

De Artificial Analysis Provider Voice Arena is hier de nuttige ranglijst, omdat die de eigen native stemmen van elke provider vergelijkt met die van elke andere provider, in een blinde paarsgewijze stemming. Dat is een eerlijkere vergelijking dan een ranglijst met gecontroleerde stemmen voor de vraag “welk product beter klinkt”, omdat het elke leverancier de stemmen laat uitbrengen die hij daadwerkelijk uitbrengt.

• Rang 1 — Cartesia Sonic 3.6, Elo 1.273 met een interval van 17 punten, 1.757 samples, 8 arenastemmen, uitgebracht in augustus 2026, $49,0 per 1 miljoen tekens.

• Rang 2 — Gemini 3.8 Flash TTS, Elo 1.260 met een interval van 17 punten, 1.999 samples, 8 arenastemmen, uitgebracht in september 2026, $33,0 per 1 miljoen tekens.

• Rang 3 — Alibaba Qwen-Audio-3.0-TTS-Plus, Elo 1.259, 1.447 samples, 15 arena-stemmen, $27,6 per 1 miljoen tekens.

• Rang 4 tot 9, voor context — Inworld Realtime TTS-2 met 1.245, SpeechifyAI Simba 3.2 met 1.237, Google Gemini 3.8 Flash-Lite TTS met 1.235, VUI Labs Luna TTS met 1.230, Inworld Realtime TTS-2 Flash met 1.210, en BreezeBlue Breeze TTS 2 met 1.204.

Lees de intervallen en de top drie lopen in elkaar over. De 1.273 van Sonic 3.6 heeft een bereik van zeventien punten; de 1.260 van Gemini heeft hetzelfde. Hun bereiken overlappen elkaar over bijna hun volledige breedte. Qwen-Audio-3.0-TTS-Plus op 1.259 overlapt beide. Het scorebord vertelt je dat deze drie niet van elkaar te onderscheiden zijn op basis van blinde voorkeur bij de tot nu toe verzamelde samples, en dat de ordening tussen hen geen stabiel bewijs is.

De aantallen samples liggen ook dicht genoeg bij elkaar om het verschil niet te verklaren — 1.757 voor Cartesia tegenover 1.999 voor Gemini. Beide zitten in de lage duizenden, wat genoeg is om een model in een band in te delen en niet genoeg om modellen die daarbinnen naast elkaar liggen van elkaar te scheiden.

Waar de zestien dollars vandaan komen

De eigen prijzenpagina van Cartesia publiceert geen tarief per miljoen tekens voor Sonic. Het verkoopt abonnementsniveaus met inbegrepen minuten — Free voor $0 met 20.000 credits, ongeveer 27 minuten Sonic 3.6; Pro voor $5 met 100.000 credits, ongeveer 133 minuten; Startup voor $49 met 1,25 miljoen credits, ongeveer 1.667 minuten; Scale voor $299 met 8 miljoen credits, ongeveer 10.667 minuten — plus gelijktijdigheidslimieten van respectievelijk 2, 3, 5 en 15, stemlokalisatie tegen 225 credits per toegevoegd accent, gespreksduur van de voice agent tegen $0,06 per minuut, en telefonie tegen $0,014 per minuut.

Dus de $49,00 per miljoen tekens is niet Cartesia's lijstprijs in zijn eigen eenheden. Het is Artificial Analysis die de credits van Cartesia normaliseert naar een gemeenschappelijke noemer, zodat de ranglijst überhaupt op prijs kan rangschikken. Dat is een legitieme zaak voor een vergelijkingsranglijst om te doen, en het is het enige beschikbare cijfer dat een-op-een vergelijkbaar is, maar het betekent wel dat het Cartesia-cijfer een afgeleid tarief is, terwijl het Gemini-cijfer een gepubliceerd tarief is.

Het tarief van Google is eenvoudig. Gemini 3.8 Flash TTS factureert $0,50 per miljoen tokens voor tekstinvoer en $9,00 per miljoen tokens voor audio-uitvoer tot en met 31 december 2026, daarna $1,00 en $18,00. Audio wordt gemeten aan 25 tokens per seconde, dus het tarief voor audio-uitvoer komt neer op ongeveer 0,02 cent per seconde spraak. Flash-Lite TTS, het goedkopere broertje, kost $6,00 per miljoen audiotokens bij dezelfde 25 tokens per seconde, en Artificial Analysis plaatst het op een equivalent van $22,10 per 1 miljoen tekens op rang 6 met een Elo van 1.235.

• Prijs per 1 miljoen tekens — Cartesia Sonic 3.6 $49,00 vs Gemini 3.8 Flash TTS $33,00 vs Gemini 3.8 Flash-Lite TTS $22,10.

• Arena Elo — 1.273 vs. 1.260 vs. 1.235, allemaal met intervallen van 17 punten bij de bovenste twee.

• Arena-stemmen — 8 vs 8 vs 8.

• Monsters — 1,757 vs 1,999 vs 2,000.

• Beschikbaarheid — Cartesia gehoste bèta versus Google's eigen Gemini Developer API, algemeen beschikbaar.

• Gewichtsrelease — voor beide gesloten; geen van beide is downloadbaar.

Het deel dat de prijsvergelijking verbergt

Per miljoen tekens is een handige eenheid, maar zo factureren beide producten niet.

De eenheid van Cartesia is een tegoed op een abonnement, met gelijktijdigheidslimieten die aan het niveau zijn gekoppeld. Dat betekent dat de marginale kosten van je volgende duizend tekens nul zijn totdat je de limiet bereikt, en daarna zijn het de kosten van het volgende niveau hoger. Voor een werklast met een voorspelbaar plafond is dat een betere deal dan het tarief per teken doet vermoeden — je koopt extra ruimte, geen verbruik. Voor een werklast die piekt, is het slechter, omdat gelijktijdigheid van 2 op het Free-niveau en 3 op Pro een harde grens is in plaats van een prijs.

Gemini's eenheid is een token, per aanroep gemeten, zonder gepubliceerd plafond voor gelijktijdigheid en met drie serviceniveaus — Standard, Batch en Flex, en Priority — tegen verschillende tarieven. Batch en Flex halveren het audiotarief naar $4,50 per miljoen tokens bij Flash TTS; Priority verhoogt het naar $16,20. Dat is een veel fijnmaziger kostenmodel, en het beloont wat de prijsstelling van Google gewoonlijk beloont: vooraf weten of een taak interactief of batch is.

Wat dus goedkoper is, hangt af van of je spraakworkload op een abonnement of op een meter lijkt. De tariefniveaus van Cartesia zijn geprijsd voor producten met een stabiel, begrensd volume. Die van Gemini zijn geprijsd voor verbruik dat je kunt classificeren.

Wat Cartesia nog heeft dat Google niet heeft

Twee dingen, en bij beide draait het erom een spraakproduct te zijn in plaats van een spraakmodel.

Cartesia verkoopt telefonie- en voice-agentinfrastructuur rechtstreeks: $0,014 per minuut voor telefonie, $0,06 per minuut voor de gespreksduur van een voice agent, en stemlokalisatie voor 225 credits per toegevoegd accent. Als je een telefoonagent bouwt, is dat een stack die je op één plek kunt kopen. Gemini 3.8 Flash TTS is een synthese-endpoint — het retourneert audio en stopt. De transportlaag, de beurtdetectie en de telefonie lever je zelf, of je stelt ze samen uit andere leveranciers.

Cartesia staat ook al langer op de ranglijst. Dat het in augustus uitkwam tegenover september voor Google betekent dat meer van zijn sampleaantal zich heeft opgebouwd tegen een vaststaande versie, terwijl een lancering in september nog steeds stemmen verzamelt. De Elo van een model in zijn eerste week is een schatting met meer ruis dan de Elo van hetzelfde model na een maand, en dat pleit ertegen om de kloof van dertien punten als bewijs voor Cartesia te interpreteren.

Wat Google heeft, heeft Cartesia niet.

Taalbereik is het duidelijkste punt. Flash TTS ondersteunt 130 talen met automatische detectie; Flash-Lite ondersteunt er 101. Cartesia's lokalisatiemodel is additief — je koopt accenten bovenop een basisstem voor 225 credits per stuk — wat een andere aanpak en een andere kostencurve is zodra je meer dan een handvol talen gaat.

Het tweede is het voordrachtoppervlak. Met Gemini 3.8 Flash TTS kun je een zin regisseren zoals je een acteur zou regisseren, scènes met twee sprekers in één aanroep ensceneren en non-verbale cues — <laughs>, <sigh>, <gasp>, |mhm|, |yeah| — rechtstreeks in het script schrijven. Het biedt ook stemontwerp op basis van een beschrijving in natuurlijke taal en stemreplicatie op basis van een sample van 30 seconden met toestemmingsverificatie, een SynthID-watermerk en C2PA-credentials op de uitvoer. Stemremixen staat vermeld als binnenkort beschikbaar.

En het is algemeen beschikbaar, niet in bèta. Cartesia Sonic 3.6 is een gehoste bèta, wat iets zegt over het vertrouwen van de leverancier zelf in de endpoint onder belasting.

Welke moet ik nu eigenlijk bellen?

Als je workload een telefoonagent is met een voorspelbaar volume en je telefonie, gelijktijdigheid en synthese van één leverancier wilt, is Cartesia Sonic 3.6 de coherente keuze, en het verschil van zestien dollar is de prijs voor het niet zelf samenstellen van drie leveranciers.

Als je workload synthese is binnen een product dat je al beheert — narratie, een toegankelijkheidslaag, de stem van een supportbot, een lokalisatieronde in 130 talen — dan is Gemini 3.8 Flash TTS goedkoper per teken, breder in taaldekking, fijner in de controle over de voordracht, en algemeen beschikbaar. Het Elo-verschil pleit er niet tegen, want het Elo-verschil is statistisch niet reëel.

Als je de goedkoopste van de drie bovenaan de ranglijst wilt en een kortere talenlijst acceptabel vindt, kost Gemini 3.8 Flash-Lite TTS $6,00 per miljoen audiotokens en staat zes plaatsen lager op 1.235 — een verschil dat ook binnen de ruis valt.

Wie je ook kiest, het migratiepad is belangrijker dan de keuze, want beide modellen zijn nieuw en beide leveranciers zijn nog aan het bijstellen. OrcaRouter is de hedge: één sleutel voor 200+ modellen tegen de lijstprijs van de provider, zonder opslag, zodat een prijsverlaging van een van beide labs dezelfde dag op je factuur terechtkomt in plaats van bij verlenging, automatische failover als een syntheseaanroep mislukt, en een routing-DSL als je een batchjob naar het ene model en een interactieve aanroep naar het andere wilt sturen. Wij hosten noch Cartesia Sonic 3.6 noch de Gemini 3.8 TTS-endpoints — Cartesia's synthese is een eigen product en de spraakmodellen van Gemini komen van Google's API — maar de tekstlaag en het failover-pad zijn van ons, en dat zijn de onderdelen die een gloednieuw model veilig maken om te proberen.

Het ding om in de gaten te houden is de volgende herziening van Artificial Analysis. Als Gemini 3.8 Flash TTS de dertien punten inloopt zodra het aantal samples volwassen genoeg is, is het prijsverschil niet langer een afweging maar wordt het een duidelijk antwoord. Zo niet, dan behoudt Cartesia de kwaliteitskroon en Google die van de prijs, en blijft de keuze precies waar die nu is: een abonnement met telefonie eraan vast, of een meter met 130 talen eraan vast.