Voxtral 3 TTS vs Cartesia Sonic 3.6: 72 Elo voor 3,8 keer de prijs

Cartesia Sonic 3.6 wint het kwaliteitsargument en Voxtral 3 T​TS wint op de factuur, en de grootte van beide marges vormt de hele vergelijking. Op de Provider Voice-ranglijst van Artificial Analysis van 21 oktober 2026 staat Sonic 3.6 op 1.289 Elo (#4 van 98 beoordeelde systemen) tegenover 1.217 voor Voxtral 3 T​TS (#13). Het verschil is 72 punten, ruim buiten de betrouwbaarheidsintervallen van de twee modellen. Het prijsverschil loopt de andere kant op en is groter: $49 per miljoen tekens voor Sonic 3.6 tegenover $13 voor Voxtral 3 T​TS — 3,8 keer zoveel voor een model dat Mistral één dag eerder uitbracht dan deze stand van de ranglijst. Geen van beide cijfers is omstreden. Wat wel omstreden is, is hoeveel een marge van 72 punten bij blind luisteren waard is in productie, en dat hangt volledig af van wat de stem doet. De gedocumenteerde AI-storingen en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waar elke vermelding eigen bronnen, ernst, betrouwbaarheidsgraad en betwist-markering heeft.

Ten eerste, wat de boards daadwerkelijk hebben gemeten

Beide cijfers komen uit dezelfde bron, wat meer dan gebruikelijk van belang is in een categorie waarin elke leverancier zijn eigen voorkeursonderzoek publiceert. Artificial Analysis beheert twee ranglijsten, en de twee modellen staan op beide vermeld.

• Provider-stem — elk model wordt beoordeeld met zijn eigen native stemmen. Sonic 3.6: 1.289 Elo, #4, 95%-interval 1.275–1.303, 2.732 vergelijkingen. Voxtral 3 TTS: 1.217 Elo, #13, interval 1.202–1.232, 1.619 vergelijkingen.

• Gecontroleerde stem — elk model wordt gekloond op dezelfde acht referentiestemmen, zodat luisteraars de engine vergelijken in plaats van de stemcasting. Sonic 3.6: 1.151 Elo, #5, interval 1.138–1.164. Voxtral 3 TTS: 1.066 Elo, #14, interval 1.049–1.083.

• Uitgebracht — Sonic 3.6 in augustus 2026; Voxtral 3 TTS op 20 oktober 2026.

• Lijstprijs — $49,00 per 1 miljoen tekens versus $13,00 per 1 miljoen tekens, beide zoals bijgehouden door Artificial Analysis en overeenkomend met de openbare prijsstelling van elke leverancier.

• Doorvoer — mediaan van 145 tekens per seconde voor Sonic 3.6 versus 112 voor Voxtral 3 T​TS, gemeten door Artificial Analysis.

• Gewichten — bij beide gesloten. Geen van beide kan onder een permissieve licentie zelf worden gehost.

Twee details over die tabel zijn gemakkelijk over het hoofd te zien, en dat zou niet moeten. Het Controlled Voice-resultaat is het eerlijkste van de twee, omdat het het voordeel van een goede stemmenbibliotheek wegneemt, en daar wordt de kloof groter van 72 punten naar 85. Sonic 3.6 wint niet op stemcasting; het wint op synthese. Het tweede detail is het aantal samples. Voxtral 3 TTS heeft 1.619 vergelijkingen op de providerboard, ongeveer 40% minder dan Sonic 3.6, en het interval is dienovereenkomstig breder. Een score van dag twee is een echte score, maar die zal verschuiven.

Waar 72 Elo vandaan komt, functie voor functie

Elo is een voorkeurssom, geen diagnose, dus het is de moeite waard om te vragen welke productbeslissingen dit hebben opgeleverd. De twee modellen zijn voor verschillende taken gebouwd en de specificaties laten dat zien.

Cartesia heeft een streaming-engine gebouwd. De belangrijkste claim van Sonic 3.6 is eerste audio in minder dan 90 milliseconden, afkomstig van een leverancierspagina die snelheid vooropstelt. De bedieningselementen zijn precies wat een live-agent nodig heeft: inline aanwijzingen zoals gelach, volume- en snelheidsmodulatie, aangepaste uitspraakwoordenboeken, emotie afgeleid uit context. Het is een model dat is ontworpen om midden in een gesprek te worden aangeroepen en vrijwel onmiddellijk te beginnen met praten.

Mistral bouwde een studiostem met een enterprise-wrapper. Voxtral 3 TTS biedt 35+ talen en 50+ dialecten, stempresets in 18 talen, controle op promptniveau over emotie, tempo en nadruk, uitspraak op fonemenniveau en een vocabulairebibliotheek. Het cloningverhaal heet "Pro Voice": 30 minuten audio om het karakter, het emotionele bereik en de stijl van een spreker in meerdere talen te reproduceren. Dat is een adaptatiepipeline, geen instant kloon.

De praktische consequentie is dat de twee modellen niet om dezelfde plek concurreren. Een stem-adaptatieproces van 30 minuten is een merkstem-operatie; een directe kloon van 10 seconden is een functie voor de eindgebruiker. Als je product een klant een clip laat uploaden en zichzelf laat horen in een gegenereerde stem, dan doet Sonic 3.6 dat wel, en Voxtral 3 T​TS, zoals gedocumenteerd, niet.

De latentie-asymmetrie versterkt dat. Cartesia publiceert een latentiecijfer en Mistral niet. Voxtral 3 TTS heeft nergens in het lanceringsmateriaal een gepubliceerde time-to-first-audio; het dichtstbijzijnde cijfer is de claim van minder dan 500 ms voor het afzonderlijke realtime-transcriptiemodel. Een ontbrekend cijfer is geen slecht cijfer, maar bij een aankoopbeslissing is het een risico dat je draagt, en de leverancier die zijn cijfer publiceert is de veiligere standaardkeuze voor alles wat interactief is.

De kostenberekening, op de schaal waarop het pijn doet

Prijs per teken lijkt abstract totdat die wordt vermenigvuldigd met het volume. Bij ongeveer 900 tekens per gesproken minuut is één uur continu spreken ongeveer 54.000 tekens.

Eén uur audio — Sonic 3.6: ongeveer $2,65. Voxtral 3 T​TS: ongeveer $0,70.

• Duizend uur per maand — Sonic 3.6: ongeveer $2.650. Voxtral 3 T​TS: ongeveer $700. Een verschil van ongeveer $23.400 per jaar.

• Tienduizend uur per maand — Sonic 3.6: ongeveer $26.500. Voxtral 3 T​TS: ongeveer $7.000. Een verschil van ongeveer $234.000 per jaar.

Aan de onderkant van dat bereik is het verschil een begrotingspost waar iemand over discussieert. Aan de bovenkant is het een personeelsformatie. Dat is het hele pleidooi voor Voxtral 3 T​TS, en het is een sterk pleidooi voor elke workload waarbij de stem long-form en vooraf gerenderd is: audioboeken, e-learningmodules, catalogusvoice-over, nasynchronisatiepipelines. Bij dat soort taken komt de 72 Elo naar voren als een iets minder natuurlijke voordracht bij een kleine fractie van de zinnen, en de luisteraar vergelijkt het nergens mee.

Waar de rekensom anders uitpakt, is wanneer de twee modellen in één product verschillende taken uitvoeren. Een supportlijn heeft de latentie van Sonic 3.6 en de subseconde start nodig; de marketingvoice-over van hetzelfde bedrijf niet. $49 betalen voor de tweede taak is $49 uitgegeven aan een capaciteit die de taak niet kan benutten — en de schoonste manier om beide te behouden zonder twee inkoopprocessen is een routeringslaag die het model als parameter behandelt. Dat is het argument voor de opzet van OrcaRouter in plaats van voor een van beide leveranciers: één OpenAI-compatibele API voor meer dan 200 modellen, de lijstprijs van de provider doorgegeven tegen 0% opslag, en een routerings-DSL die een batchvoice-overtaak en een realtimegesprek naar verschillende backends met dezelfde sleutel kan sturen. Noch Sonic 3.6 noch Voxtral 3 TTS staat op het moment van schrijven in de catalogus van OrcaRouter, dus vandaag de dag worden beide bereikt via de eigen API's van hun leveranciers en verschillende platforms van derden — het punt is de vorm van de integratie wanneer ze dat wel zijn.

Drie bezwaren die in de praktijk de doorslag geven

Het eerste is taal. Cartesia adverteert met 44 talen uit één model. Mistral adverteert met 35+ talen en 50+ dialecten, met presets in 18. Op papier bestrijkt Mistral meer terrein; in de praktijk is het aantal dialecten een belofte over de breedte van de dekking, niet de belofte dat elk dialect is geëvalueerd. Als je roadmap een markt omvat waarvoor geen van beide leveranciers een demo heeft, vraag dan een sample aan in plaats van het aantal als maatstaf te nemen. Het enige punt waarop Mistral ondubbelzinnig sterker is, is Europese dekking: het claimt alle 24 officiële EU-talen voor zijn transcriptiemodellen en 35+ voor synthese, en Mistral is een Frans bedrijf dat aan EU-aanbestedingen levert, met opties voor dataresidentie in EU-, VS- en wereldwijde endpoints. Sonic 3.6 heeft geen vergelijkbaar verhaal voor soevereine implementatie.

Het tweede is uitspraakcontrole in productie. Hier is de Elo-kloof het meest misleidend. Een model dat "Dr. Nguyen" correct leest zonder woordenboek, kan lager eindigen dan een model dat natuurlijker klinkt bij algemene tekst. Voxtral 3 T​TS levert een vocabulairebibliotheek en fonemencontrole; Sonic 3.6 levert aangepaste uitspraakwoordenboeken en inline voordrachtsaanwijzingen. Beide hebben de functie. Die van Mistral is gericht op namen en merkgerelateerde termen in bedrijfscontent; die van Cartesia is gericht op hetzelfde probleem binnen een streaminggesprek. Test je eigen lexicon — een lijst met productnamen, achternamen en acroniemen die hardop worden voorgelezen — voordat een van beide scores een stem krijgt.

Het derde is wat er gebeurt wanneer een leverancier een slechte middag heeft. Een spraakpijplijn met één eindpunt faalt gesloten: het eindpunt degradeert en het product valt stil. Sonic 3.6 en Voxtral 3 T​TS draaien op verschillende infrastructuur met verschillende faalmodi, en het is de moeite waard om het terugvalpad tussen beide te ontwerpen voordat het nodig is. Automatische failover tussen providers is precies wat een router je hier oplevert, en het is waardevoller in spraak dan in tekst, omdat een weggevallen token onzichtbaar is en een weggevallen lettergreep niet.

Dus welke

Kies Cartesia Sonic 3.6 wanneer de stem in een gesprek zit: telefoonagenten, in-app-assistenten, NPC's in games, alles waarbij de eerste lettergreep aankomt voordat de gebruiker de spinner heeft uitgelezen. Je betaalt $49 per miljoen tekens voor een model dat in minder dan 90 milliseconden start en 1.289 scoort op de leaderboard, en de prijs is verdedigbaar tegenover elk ander model in die latentieklasse.

Kies Voxtral 3 T​TSwanneer de stem de content is: narratie, dubbing, merkstem over een hele catalogus, alles wat vooraf wordt gerenderd en vervolgens wordt afgespeeld. Je betaalt $13 voor een model dat 72 Elo achterloopt op de koploper en 3,8 keer goedkoper is, met EU-datavesting en een pipeline voor stemadaptatie van 30 minuten die beter past bij één bedrijfsstem dan bij een kloon per gebruiker.

Kies geen van beide exclusief als je beide soorten audio levert. De fout die je moet vermijden, is één keer kiezen en vervolgens het tarief van het premiummodel te betalen voor werk dat het goedkope model kan doen, of de latentie van het goedkope model te slikken op een plek waar die fataal is. Twee eindpunten achter één sleutel is de configuratie die voorkomt dat de beslissing permanent wordt.

De open vraag is wat Mistrals ontbrekende latentiegetal uiteindelijk blijkt te zijn. Als Voxtral 3 TTS streamt met een eerste-audio-waarde die ook maar in de buurt komt van die van Cartesia, wordt de prijs van $13 een veel moeilijker te betwisten feit en wordt de 72 Elo het enige dat Sonic 3.6 nog heeft. Mistral heeft het niet gepubliceerd, geen enkele derde partij heeft het gemeten, en tot een van die dingen verandert, is de streamingplek standaard voor Cartesia.