Rime Prism versus Cartesia Sonic 3.6: stop met het vergelijken van 90 ms met 570 ms

Cartesia Sonic 3.6 antwoordt in minder dan 90 milliseconden. Rime Prism antwoordt in ongeveer 570. Als die zin je hele vergelijking is, ben je al tot een conclusie gekomen die er met een factor twee in de verkeerde richting naast zit — omdat de twee getallen niet op hetzelfde moment beginnen. De 90 ms van Sonic 3.6 is de tijd vanaf het moment dat tekst bij de synthesizer aankomt tot het eerste audiosample. De 570 ms van Rime Prism is de tijd vanaf het moment dat een beller zijn zin afmaakt totdat de agent geluid maakt. Tussen die twee gebeurtenissen zitten een spraakherkenningsstap en een volledige beurt van een taalmodel, die Sonic 3.6 geen van beide uitvoert. Zet ze op dezelfde klok en het verschil krimpt tot iets wat een beller nauwelijks kan onderscheiden, en dan gaat de beslissing over prijs, taaldekking en of iemand moet goedkeuren wat er gezegd wordt.

Beide modellen zijn actueel en beide zijn beschikbaar. Cartesia Sonic 3.6 werd GA op 27 augustus 2026 als een streaming text-to-speech-model dat bij de lancering de top van beide Artificial Analysis-spraakarena's bereikte — en sindsdien is voorbijgestreefd nu nieuwere stemmen tot de lijst zijn toegetreden. Rime Prism werd gelanceerd op 28 oktober 2026 als een spraak-naar-spraak-model voor $0,080 per minuut aan gespreksaudio, dat zijn antwoord eerst als tekst uitvoert voordat het het uitspreekt. Het ene is een component, het andere een systeem, en de interessante vergelijking is wat elk ervan kost wanneer je er een werkende spraakagent omheen bouwt.

Wat Sonic 3.6 precies is

Het is een tekst-naar-spraakmodel, en op basis van de beschikbare bewijzen een goed model. De streams zijn belangrijker dan de marketing: WebSocket, Server-Sent Events en onbewerkte bytes worden allemaal ondersteund, en dat is wat een TTS-model bruikbaar maakt in een live gesprek en niet alleen in een batchtaak.

• Dekking — 44 talen in 61 locales, waaronder Hindi en Hinglish.

• Stemmen — direct klonen in 10 seconden op basis van een referentiefragment; geen gepubliceerd aantal standaardstemmen voor deze release.

• Besturing — meer dan 60 emotie- en voordrachtslabels, alleen Engels; snelheid van 0,6x tot 1,5x.

• Audio — 8 kHz tot 48 kHz uitvoer in WAV, MP3 of PCM, met een contextvenster van 3.000 tokens.

Latentie — door de leverancier opgegeven tijd tot eerste audio van minder dan 90 ms bij ongeveer 132 tekens per seconde, streaming.

• Arena — Artificial Analysis Provider Voice Elo rond 1.282 en Controlled Voice rond 1.123 bij de lancering, toen bovenaan beide tabellen, sindsdien verschoven.

• Openheid — geen gewichten. Sonic 3.6 is een gehost model, zoals Prism.

Cartesia heeft op 20 oktober 2026 ook meerdere oudere modellen uitgefaseerd — sonic-turbo, sonic-2 en de snapshot sonic-3-2025-10-27 — en Sonic 3.5 blijft als stabiel vermeld naast 3.6. Als je migreert, controleer dan naar welke generatie je integratie daadwerkelijk verwijst, want een fallback naar een uitgefaseerd model is een onopgemerkte fout.

De berekening van 90 ms versus 570 ms, goed uitgevoerd

Dit is het onderdeel dat elke rankingpagina overslaat. Een Sonic 3.6-cascade heeft drie klokken die in serie lopen:

• Spraakherkenning van de uiting van de oproeper — doorgaans een paar honderd milliseconden voordat een streaming-recognizer een zin finaliseert.

• De beurt van het taalmodel — de variabele term, variërend van 200 ms voor een korte bevestiging tot ruim meer dan een seconde als de agent redeneert voordat hij antwoordt.

• De synthesestap van Sonic 3.6 — minder dan 90 ms bij de door de leverancier geteste snelheid, met netwerk uitgeschakeld; onafhankelijke end-to-end-metingen van een live Cartesia-aanroepad liggen meerdere malen hoger zodra de andere twee hops worden meegeteld.

Voeg de middelste drie toe, en een goed afgestemde cascade komt ergens tussen 800 ms en 1,5 seconden uit, van het einde van de spraak van de beller tot het eerste audio van de agent. Prisms 0,57 seconden dekt het hele traject. Dus op het volledige pad is Prism niet langzamer dan Sonic 3.6 — het is sneller dan de pijplijn waarbinnen Sonic 3.6 functioneert, ruwweg een factor twee aan de gunstige kant.

Dat slaat alleen om in één architectuur: als je taalmodel-beurt heel kort is en je recognizer heel snel, kan een Sonic-cascade ook in ongeveer een halve seconde eerste audio bereiken, en dan is de sprong van 90 ms echt de reden. Dat wil zeggen: die 90 ms is een echte technische prestatie en hij doet werk — alleen niet het werk dat de vergelijkingstabel suggereert.

De eerlijke framing is de versie die Cartesia's eigen cijfers ondersteunen. Minder dan 90 ms is de snelste synthese-hop op de markt, en die wordt gemeten exclusief netwerk. Prism's 570 ms is een leverancierscijfer, gemeten op het τ-Voice-testharnas door Rime zelf en niet door een neutraal lab. Geen van beide bedrijven heeft een kop-aan-kopvergelijking gepubliceerd, en niemand heeft beide op dezelfde oproeproute laten lopen. Alles wat de twee presenteert als een gelijkwaardige latentiewedstrijd, verzint een resultaat.

Prijs per minuut, waar het echte verschil zit

Cartesia factureert per karakter: ongeveer één credit per karakter, wat Artificial Analysis normaliseert naar ongeveer $49 per miljoen karakters. Rime's eigen documentatie rekent karakters om naar minuten bij ongeveer 1.000 per minuut spraak, waardoor Sonic 3.6 op ongeveer $0,049 per minuut gegenereerde audio komt. Snellere spreektempo's — de 132 karakters per seconde waar Cartesia benchmarks op draait — drukken dat richting $0,034. Noem het drie tot vijf cent per minuut, afhankelijk van hoe snel je agent praat.

Prism kost $0.080 per minuut callaudio op Flex en $0.064 op Scale. Maar de minuut van Prism is niet dezelfde minuut. Er wordt afgerekend op callaudio, niet op de spraak van de agent, dus een gesprek waarin de caller de helft van de tijd praat, kost Prism hetzelfde als een gesprek waarin de agent nooit stopt. Alleen dat onderscheid al kan de effectieve vergelijking met een derde in beide richtingen verschuiven, en het is het eerste dat je moet modelleren wanneer je een trial prijst.

Stel nu de cascade samen. Sonic 3.6 tegen vier cent, spraakherkenning voor een halve cent tot een cent, en een taalmodel dat bij conversationele tokenvolumes een paar cent per minuut kost — dan kom je op ongeveer acht tot tien cent per door de agent gesproken minuut, vóór enige infrastructuur. Prism tegen acht cent is in dat kader geen premiumproduct. Het is dezelfde prijs voor één factuur, één contract en één latencybudget in plaats van drie.

Cartesia's planstructuur versterkt dit. Free met 20.000 credits en 2 gelijktijdige verbindingen; Pro voor $5 voor 100.000 credits en 3 gelijktijdige; Startup voor $49 voor 1,25 miljoen credits en 5 gelijktijdige; Scale voor $299 voor 8 miljoen credits en 15 gelijktijdige; Enterprise op maat met DPA, BAA en regionale implementatie. Gelijktijdigheid is beperkt per tier, wat voor een contactcenter het getal is dat daadwerkelijk beperkend is — 15 gelijktijdige streams op Scale is een drukke middelgrote wachtrij, niet een grote.

Taaldekking versus controle: de afweging die de doorslag geeft

Cartesia wint op dekking met een ruime en meetbare marge. Vierenveertig talen verdeeld over 61 locales vormen een gepubliceerde, testbare lijst. Rime publiceert het aantal talen van Prism helemaal niet, hoewel zijn afzonderlijke tekst-naar-spraakproducten dat wel publiceren — maar specifieke cijfers over Prism ontbreken op de productpagina. Als je volgend kwartaal in vijftien markten moet lanceren, is die afwezigheid op zichzelf al diskwalificerend, en is Sonic 3.6 het antwoord, ongeacht de rest van dit artikel.

Prism wint de controle, en met een marge die structureel is, niet incrementeel. Sonic 3.6 ontvangt de definitieve tekst. Het kan die tekst met meer dan 60 emotietags uitvoeren en die op 1,5x snelheid zeggen, maar het kan die niet weigeren. Prism produceert de tekst zelf, één stap vóór de spraak, en Rime zegt dat de applicatie op dat punt kan herschrijven, blokkeren, taggen of de uitspraak corrigeren terwijl het gesprek doorgaat. Een wettelijk verplichte mededeling, een claim die niet gedaan mag worden, een concurrerende merknaam die nooit uitgesproken mag worden — die bevinden zich op het controlepunt, niet in de tekst die je aan een synthesizer geeft.

Je kunt dezelfde controle in een Sonic-cascade bouwen. Zet een beleidscontrole tussen het taalmodel en de synthesiser, en je hebt de checkpoint. Wat je niet hebt, is een model dat in dezelfde doorgang over audio redeneert, en dat is de tweede helft van Prisms bewering: toon, aarzeling en achtergrondgeluid informeren de reactie, in plaats van eerst tot een transcript te worden platgeslagen. Of dat acht cent versus vier cent waard is, is een vraag over je gesprekken, niet over de modellen.

Beide zijn te streamen, geen van beide staat in onze catalogus.

Prism wordt rechtstreeks verkocht door Rime. Sonic 3.6 wordt rechtstreeks verkocht door Cartesia en via verschillende platforms van derden. Geen van beide wordt op dit moment door OrcaRouter gerouteerd, en niets in dit stuk mag worden gelezen als een bewering van het tegendeel.

Wat wij met route doen, is de laag waarop beide afhangen. In een Sonic-cascade is het taalmodel in het midden een keuze, en die keuze bepaalt waar de kwaliteit en de kosten van de call echt zitten. Eén sleutel op OrcaRouter dekt meer dan 200 modellen met 0% opslag op de providerlijstprijs, met automatische failover tussen providers, zodat een conversationeel model dat vastloopt geen dode lucht wordt — de aanvraag wordt dan omgeleid. Met de routing-DSL kun je de bevestigingsbeurten naar een klein, goedkoop model sturen en de opzoekbeurten naar een groter model, binnen één endpoint, wat dezelfde kostendiscipline is die een cascade nodig heeft en de reden waarom een cascade nog steeds concurrerend is qua prijs.

En als je een gehoste synthesestap wilt zonder een tweede leveranciersrelatie, openai/tts-1-hd en google/gemini-3.1-flash-tts-preview staan beide in de catalogus tegen lijstprijs. Ze zijn niet Sonic 3.6. Het zijn de andere twee uiteinden van dezelfde pijplijn, op dezelfde sleutel.

Het oordeel, opgesplitst per architectuur

Als je in meer dan een handvol talen bouwt, is Cartesia Sonic 3.6 de juiste synthesizer en is de vergelijking beslecht. Vierenveertig talen zijn een feit; een ongepubliceerde lijst is geen belofte.

Als je een contactcenter voor één markt bouwt waarin de agent bepaalde dingen niet mag zeggen, is Rime Prism de enige van de twee die tussen de beslissing en de uiting in kan staan, en voor acht cent per minuut kost het ongeveer evenveel als de cascade die je anders zou samenstellen — met één factuur in plaats van drie.

Als je ergens daartussen zit, is de beslissende factor latency onder belasting, niet latency op een benchmarkgrafiek. Cartesia's sub-90 ms-hop is gemeten zonder netwerk, en een deployment ver van de regio zal aanzienlijk meer latency zien. Prism's 570 ms is gemeten op een testomgeving die helemaal geen netwerk heeft. Test beide op je werkelijke callpad, vanuit je eigen regio, voordat je een keuze maakt. De gepubliceerde cijfers kunnen hier geen uitsluitsel over geven, en iedereen die zegt dat ze dat wel kunnen, vergelijkt twee verschillende stopwatches.

Eén kanttekening bij de arena-getallen, omdat ze geciteerd zullen worden: Artificial Analysis Elo voor Sonic 3.6 meet hoe een stem klinkt voor menselijke beoordelaars. Prism's 56,6 op τ-Voice meet hoe vaak een agent een taak voltooit bij 278 gesimuleerde serviceoproepen. Het zijn niet hetzelfde instrument, ze delen geen schaal, en het ene van het andere aftrekken levert een getal op dat niets betekent. Sonic 3.6 heeft geen τ-Voice-score omdat het geen agent is. Prism heeft geen arena-Elo omdat het geen stem is. Die asymmetrie is de hele vergelijking in miniatuur.