РУКОВОДСТВО

Альтернатива Cartesia, когда нужны часы речи, а не минуты

Cartesia делает быстрые голоса Sonic для приложений реального времени, а тарифы продаёт в кредитах: один кредит за символ, примерно 750–800 кредитов на минуту звука. Тариф Pro за $5 в месяц даёт 100 000 кредитов — примерно два часа речи; Startup за $49 даёт 1,25 млн, Scale за $299 — 8 млн, по странице цен Cartesia в октябре 2026 года.

API озвучки SuperClonica продаёт время: $5 в месяц за до 216 часов при работе без перерывов. В гайде — честное сравнение.

Получить API-ключ бесплатно Послушать голоса бесплатно Или запустить движок у себя

Что можно купить за $5

У Cartesia за $5 в месяц — 100 000 кредитов, около двух часов звука, а сверх них на этом тарифе $65 за миллион кредитов. У SuperClonica за $5 в месяц — 3 минуты звука в каждом 10-минутном окне, до 216 часов в месяц. По собственной оценке Cartesia, 750–800 кредитов на минуту, 216 часов потребуют около 10 млн кредитов: тариф Scale за $299 плюс около 2 млн кредитов сверх лимита по $38 за миллион, всего примерно $375.

  • Бесплатный: 1 минута звука в сутки.
  • «Старт», $5: до 216 часов в месяц.
  • «Автор», $10: до 576 часов.
  • «Про», $20: до 1440 часов.
  • «Студия», $50: до 4680 часов.

Голоса и поток

Платный тариф SuperClonica использует через API все голоса каталога — персонажей, чтецов и дикторов от авторов, — а также голоса, которые вы обучили на сайте по своей записи. Звук приходит потоком по мере готовности: в наших замерах первый звук приходил от 300 мс при любой длине текста, а около 16 000 символов озвучивались за 25,6 секунды.

Как перевести запрос

Отправьте JSON на https://superclonica.com/api/v1/speech с заголовком Authorization: Bearer и ключом: {"text": "...", "voice": "F1", "language": "ru", "format": "mp3"}. Добавьте "stream": true, чтобы играть звук по мере прихода. Ответ — сам аудиофайл; в ответах 429 и 503 есть Retry-After.

Когда Cartesia лучше

Cartesia создана для голосовых агентов в реальном времени: принимает текст потоком через WebSocket, умеет мгновенное и профессиональное клонирование голоса, даёт распознавание речи и управляемых агентов в одном месте и больше языков, включая китайский. Если приложение говорит несколько минут в день в живом разговоре, оно, скорее всего, лучше подойдёт. Если оно часами озвучивает статьи, книги, видео или ботов — сравните цену часа.