Cartesia
Cartesia est une plateforme de voix IA pour la synthèse vocale, la transcription en temps réel et les agents vocaux à faible latence. Son offre réunit Sonic pour la synthèse vocale, Ink pour la transcription avec détection des tours de parole, et Line pour déployer des agents vocaux.
Le point fort tient à la vitesse : les voix sont générées en flux, clonées à partir d'un court extrait et localisées dans de nombreuses langues, dont le français. La formule Free donne un volume mensuel de crédits pour tester, mais elle exclut l'usage commercial et le clonage vocal.
Lire plus Lire moins
Voix
Audio- Éditeur
- Cartesia AI, Inc.
- Pays
- États-Unis
- Offre gratuite
- Oui
Cartesia en bref
C’est quoi ?
Cartesia génère et transcrit de la voix en temps réel à partir d’un texte, d’un court extrait audio ou d’une application qui appelle ses API. La sortie prend la forme d’un flux vocal à faible latence, d’une transcription avec détection des tours de parole, ou d’une voix localisée dans plusieurs langues. Sur le palier gratuit, la voix de synthèse et la transcription sont les deux usages de base. Tu obtiens donc une brique vocale pour produire, cloner et convertir la parole sans passer par un enregistrement manuel à chaque fois.
Pourquoi ?
Tu l’emploies quand il faut répondre vite, garder la voix stable et traiter les changements de locuteur sans délai gênant. Le moteur vise les agents vocaux, les appels automatisés, la narration, la postproduction audio et la localisation, avec un flux qui reste lisible pour une application temps réel. Le même système évite aussi de jongler entre plusieurs outils pour synthèse, transcription et déploiement.
Pour qui ?
Cartesia vise d’abord les développeurs et ingénieurs IA qui bâtissent des agents vocaux, puis les entreprises qui déploient une voix conversationnelle, les studios de jeu vidéo, les créateurs de contenu et podcasteurs, les producteurs vidéo et les producteurs de livres audio. Un ingénieur produit y trouve une API et des SDK pour brancher la voix à une application, tandis qu’un créateur de contenu peut s’en servir pour une voix off ou une narration rapide. Les équipes qui ont besoin d’une latence basse et d’une détection de tour de parole fiable y trouvent un usage plus net que dans un générateur vocal généraliste.
Avantages et inconvénients
Les plus
- Palier Free permanent Le palier Free renouvelle chaque mois des crédits de synthèse et de transcription, ce qui laisse tester l’outil avant un engagement payant.
- Texte et voix en direct Tu peux générer une synthèse vocale en temps réel ou transcrire un flux audio avec détection de tour de parole native.
- Voix clonable sur court échantillon Une voix peut être clonée depuis un bref échantillon audio, puis réutilisée dans les fonctions vocales de la plateforme.
- Voix natives en plusieurs langues La génération vocale fonctionne nativement en plusieurs langues, et la localisation audio conserve le ton, l’émotion et l’identité du locuteur.
- Contrôle fin du rendu vocal Les réglages portent sur la hauteur, la vitesse et l’émotion, avec un dictionnaire de prononciation pour les noms propres et les termes métier.
Les moins
- Usage commercial bloqué sur l’offre gratuite Sur le palier Free, les sorties n’ouvrent pas de licence d’usage commercial ; il faut passer à Pro dès qu’un projet sort du cadre de test.
- Clonage réservé aux paliers payants Le clonage vocal instantané commence à Pro, et le clonage professionnel à Startup ; un projet qui dépend d’une voix clonée doit monter de palier.
- Quota gratuit serré Le palier Free impose un petit volume mensuel de crédits et peu de requêtes simultanées, ce qui bride vite un flux de travail régulier.
- Agents vocaux facturés à la minute Au-delà de l’enveloppe prépayée incluse dans chaque palier, les appels des agents vocaux et la téléphonie se paient à la minute, en plus de l’abonnement.
- Site uniquement en anglais Cartesia n’a pas de version française de son site : la page de prix, la FAQ de facturation et les conditions générales sont en anglais.
Tableau des prix
Cartesia suit un modèle freemium à cinq paliers : Free, Pro, Startup, Scale et Enterprise, ce dernier sur devis. La page de prix de l’éditeur n’affiche qu’un rythme mensuel, sans formule annuelle, et chaque abonnement se renouvelle à sa date d’achat. Chaque palier combine un volume mensuel de crédits pour la synthèse et la transcription, une enveloppe prépayée pour les agents vocaux et des sièges illimités ; les minutes d’appel des agents et la téléphonie se facturent en plus, à l’usage. Le passage au payant ouvre l’usage commercial et le clonage vocal.
| Palier | Prix au 23 septembre 2026 | Quota | Inclus |
|---|---|---|---|
| Free | 0 $ | 20 K crédits par mois | Synthèse vocale et transcription |
| Pro | $5 par mois | 100 K crédits par mois | Licence d’usage commercial, clonage vocal instantané |
| Startup | $49 par mois | 1,25 M crédits par mois | Clonage vocal professionnel, organisations |
| Scale | $299 par mois | 8 M crédits par mois | Support prioritaire, limites de concurrence élevées |
| Enterprise | sur devis | Crédits sur mesure, tarif au volume, SSO, canal Slack partagé |
Tarifs officiels de Cartesia, relevés le 23/09/2026
Ce que permet la formule gratuite
20 K crédits par mois
Le palier Free donne 20 K crédits par mois ; en synthèse vocale, un crédit vaut un caractère, selon la FAQ de la page de prix.
2 requêtes simultanées
Deux requêtes de synthèse vocale peuvent tourner en parallèle sur cette offre.
Synthèse et transcription seulement
Le gratuit donne accès à Sonic pour la synthèse vocale et à Ink pour la transcription, avec une petite enveloppe prépayée pour essayer les agents vocaux.
Pas de licence commerciale
L’usage commercial n’entre pas dans la formule gratuite.
Pas de clonage vocal
Le clonage vocal commence au palier Pro.
Ce que fait Cartesia
Cartesia passe d’un texte à une voix en flux avec Sonic, et d’un flux audio à un texte avec Ink, qui repère les changements de locuteur. Les deux modèles s’appellent depuis le Playground, l’API ou les SDK, et la même chaîne sert à cloner et à localiser une voix.
Cartesia facture en crédits : chaque palier donne un volume mensuel, décompté au caractère pour la synthèse et à la seconde pour la transcription. Les agents vocaux puisent dans une enveloppe prépayée en dollars, distincte des crédits, puis se paient à la minute d’appel.
Cartesia clone une voix depuis quelques secondes d’enregistrement. L’outil la réemploie ensuite dans d’autres langues en conservant le ton et l’identité du locuteur, chaque accent ajouté étant décompté en crédits.
Comment utiliser Cartesia
Prise en main initiale
Cartesia s’ouvre sur le Playground : tu colles un texte, tu importes un extrait audio ou tu appelles l’API si tu intègres le service à une application. Le premier résultat arrive en flux, avec une latence annoncée sous la seconde. Le clonage vocal demande un court échantillon audio.
Navigation dans l’interface
Tu retrouves les modèles Sonic, Ink et Line au sein du même ensemble, avec le Playground pour tester les sorties et la documentation pour cadrer l’usage technique. La logique d’interface reste orientée vers la voix en temps réel : un choix de voix, un texte ou un fichier audio, puis un rendu qui s’affiche en flux. Deux chemins suffisent pour commencer. Le reste passe par l’API ou les SDK.
Utilisation et gestion de projets
Pour travailler sur plusieurs projets, tu relies Cartesia à une application via l’API ou les SDK, puis tu gardes la même logique de sortie entre synthèse vocale, transcription et agents vocaux. Les sorties peuvent être localisées dans plusieurs langues, ce qui aide quand un même contenu doit servir plusieurs marchés. Au-delà du volume mensuel, la FAQ de la page de prix explique la facturation des dépassements et le sort des crédits reportés quand on change de palier.
Fonctionnalités principales
Cartesia répartit ses fonctions entre trois briques : Sonic pour la génération, Ink pour la reconnaissance et Line pour le déploiement d’agents. Les conditions changent selon la brique ou le palier, surtout pour le clonage et les agents vocaux.
Synthèse vocale en temps réel
Sonic génère une voix naturelle à partir d’un texte, avec une latence annoncée sous 90 ms pour le premier octet et un flux audio qui démarre très vite. La fonction sert pour une lecture immédiate, avec réglage du ton, de la vitesse et de l’expression.
Disponible dès le palier Free, dans la limite des crédits du mois.
Transcription vocale avec détection de tour
Ink transforme la parole en texte en temps réel et détecte nativement les changements de locuteur dans l’échange. La sortie reste adaptée aux usages conversationnels où la prise de parole doit être suivie sans rupture.
Incluse dès le palier Free.
Clonage vocal
Cartesia copie une voix depuis un court extrait audio, avec une variante annoncée à partir de 3 secondes via l’API TTS et 10 secondes pour le clonage vocal. Le résultat vise une transformation fidèle de la voix de départ.
Clonage instantané dès Pro, clonage professionnel dès Startup ; absent du Free.
Prise en charge native de plusieurs langues
Sonic produit la voix en plusieurs langues sans passer par une couche séparée de localisation. La page des langues de l’éditeur cite notamment le français et le français canadien parmi les variantes proposées.
Disponible sur Sonic, donc sur les parcours qui utilisent la synthèse vocale.
Interprétation du sous-texte émotionnel
Le moteur traduit des indices comme le rire ou d’autres expressions non verbales dans la transcription. La sortie conserve donc davantage que les mots prononcés.
Présent dans la pile vocale de Cartesia, avec les modèles Sonic et Ink.
Dictionnaires de prononciation personnalisés
L’outil ajoute des règles pour les noms propres et le vocabulaire métier. Il réduit les erreurs sur les mots rares, les sigles et les termes spécialisés.
Localisation audio avec conservation du style
Cartesia adapte un clip audio à d’autres langues tout en gardant l’émotion, le ton et l’identité vocale. La fonction sert quand la traduction doit rester proche de la performance d’origine.
Décomptée en crédits pour chaque accent ajouté à une voix.
Contrôle du pitch, de la vitesse et de l’émotion
La plateforme expose des réglages fins sur la hauteur de voix, le débit et l’expression. Le rendu se module ainsi sans changer de modèle ni de flux de travail.
Déploiement d’agents vocaux à faible latence
Line sert à construire et publier des agents vocaux qui répondent vite. La brique relie la synthèse, la transcription et l’exécution dans un même parcours de déploiement.
Enveloppe prépayée incluse dans chaque palier, puis facturation à la minute d’appel.
Architecture à modèles d’espace d’états
Les modèles s’appuient sur des State Space Models pour viser une latence très faible et une meilleure efficacité à grande échelle. Cette base technique soutient les usages temps réel de la plateforme.
API et SDK communs pour la transcription et la synthèse
Une même API et des SDK, dont Python, couvrent la transcription et la synthèse vocale. Le même socle technique évite de multiplier les intégrations pour deux flux distincts.
Disponible pour l’intégration développeur, avec API et SDK publiés.
Transformation vocale sans hallucination
Cartesia promet une transformation vocale précise, sans dérive de contenu inventé dans la voix générée. La fonction compte surtout quand la fidélité de la sortie est critique.
Présent dans la description produit de Sonic.
Usages et métiers
Cartesia sert à faire de la voix temps réel pour des équipes techniques et des contenus parlés. Les usages recensés couvrent l’intégration produit, la création audio, la localisation et la transcription avec repérage des tours de parole.
Développeurs d’agents vocaux
Ils ajoutent une synthèse vocale à faible latence, une reconnaissance vocale en flux et une détection native des tours de parole dans un produit. L’API et les SDK remplacent un assemblage maison de briques voix séparées.
Équipes produit d’entreprises
Elles déploient une voix conversationnelle pour des cas où l’exactitude, la latence et la gestion des tours de parole comptent. Le service remplace un prototype dispersé entre plusieurs outils audio.
Développeurs de jeux vidéo
Ils génèrent des répliques de personnages à la demande pour intégrer du dialogue dans un jeu. Le moteur vocal remplace un enregistrement manuel pour chaque variante de ligne.
Créateurs de contenu et podcasteurs
Ils produisent une voix parlée naturelle pour une émission, un récit ou une capsule audio. L’outil remplace un enregistrement studio quand il faut une piste parlée rapide à préparer.
Producteurs vidéo
Ils génèrent des voix off pour des vidéos de présentation, de démonstration ou de format court. La synthèse remplace une session de doublage quand le texte change souvent.
Producteurs d’audiobooks et de narration
Ils transforment un texte long en lecture parlée continue avec une voix cohérente. L’outil remplace une narration enregistrée à la main quand il faut produire plusieurs chapitres.
Équipes de localisation audio
Elles adaptent un clip dans plusieurs langues. Le ton, l’émotion et l’identité de voix restent intacts. La localisation remplace un réenregistrement complet à chaque langue cible.
Équipes de service client
Elles branchent un agent vocal sur une ligne d’assistance ou un serveur vocal interactif pour répondre aux appels. L’agent remplace un menu à touches par une conversation, sur un numéro fourni par Cartesia.
Entreprises de santé, finance, commerce et voyage
Cartesia range ces secteurs parmi ses solutions, avec le recrutement, et y met en avant ses agents vocaux. Le palier Enterprise ajoute les accords de conformité et le SSO que ces secteurs exigent souvent.
Conseils d’utilisation
Conseils pour une utilisation efficace
Cartesia donne les meilleurs résultats quand tu choisis dès le départ la bonne brique entre synthèse vocale, transcription et agent vocal. Estime d’abord ton volume avec le calculateur de la page de prix, qui recommande un palier selon les minutes d’audio prévues. Si tu ajoutes une voix propre au projet, garde un extrait d’enregistrement net et court : la qualité du départ pèse sur la sortie. Compte aussi sur l’API ou les SDK si tu veux enchaîner les appels sans passer par le navigateur. Le support passe par email.
Erreurs communes à éviter
Cartesia pardonne mal un extrait source bruité : la voix clonée perd alors en fidélité, d’où l’intérêt d’un enregistrement net et court. Autre piège, publier une voix produite sur le palier Free dans un projet commercial, alors que les conditions générales l’interdisent sans palier qui l’autorise. Enfin, surveille la concurrence : au-delà du nombre de requêtes simultanées de ton palier, il faut lisser les appels ou monter de palier.
Modèles et droits sur les créations
Free
Sur le palier Free, les conditions générales de Cartesia limitent les sorties à un usage personnel et non commercial. Le clonage vocal n’y est pas ouvert.
Pro, Startup et Scale
Cartesia accorde la licence d’usage commercial dès le palier Pro ; le clonage instantané arrive avec Pro et le clonage professionnel avec Startup. Scale ajoute un support prioritaire et des limites de concurrence plus hautes.
Enterprise
Le palier Enterprise se traite sur devis, avec des accords de traitement des données, le SSO et des questionnaires de sécurité pour les déploiements encadrés.
Propriété des sorties
Cartesia ne revendique la propriété ni des contenus envoyés ni des sorties produites, selon ses conditions générales. Elles précisent aussi qu’une sortie peut ne pas être unique, un autre utilisateur pouvant obtenir un résultat identique.
Licence accordée à Cartesia
En envoyant un contenu, l’utilisateur accorde à Cartesia une licence mondiale et gratuite pour l’héberger, le traiter et le reproduire, dans la seule mesure nécessaire pour faire fonctionner, améliorer et promouvoir le service.
Modèles utilisés
Cartesia s’appuie sur ses propres modèles : Sonic pour la synthèse vocale et Ink pour la transcription, bâtis sur des State Space Models.
Accès
Cartesia s’utilise dans le navigateur, où le Playground sert à tester les voix, ou par son API et ses SDK, dont Python, pour intégrer la synthèse et la transcription à une application.
Cartesia publie aussi InkIt, une application de dictée pour macOS disponible sur GitHub. Aucune application mobile ni version Windows ou Linux n’est proposée : le reste passe par le web et l’API.
Appareils, applications et systèmes compatibles
Disponible sur
Accès & intégrations
API publiqueOui
Intégration aux applications via une API et des SDK.
Avis et notes par Aikiwi
Note Globale de Cartesia 4,3
L’ensemble s’appuie sur une API et des SDK, avec clonage vocal à partir d’un court échantillon, localisation audio, dictionnaires de prononciation et prise en charge multilingue. Le socle technique est centré sur des State Space Models.
Cartesia convient à des développeurs et à des équipes qui bâtissent des voice agents, des systèmes de support client ou d’IVR, ainsi qu’à des studios qui produisent des voix off, des livres audio, des podcasts ou des dialogues de jeu. Les usages annoncés couvrent aussi la localisation et le doublage, avec un flux qui va de la saisie d’un script à l’appel par API. Le produit vise des cas où la transcription, la synthèse et le déploiement doivent rester dans le même environnement.
Le palier Free reste utile pour tester le couple texte-vers-voix et voix-vers-texte avant de regarder les offres payantes. Cartesia se juge donc d’abord sur ce premier usage réel, pas sur une promesse abstraite.
Avis détaillé sur Cartesia
Design et Ergonomie 4,0
Cartesia ne publie pas de description de sa hiérarchie d’écran, de ses choix de mise en page ni de ses réglages d’interface. La fiche permet donc de juger le produit sur ses usages, pas sur une ergonomie démontrée. Pour un lecteur qui veut comparer des interfaces, la page laisse la question du confort visuel ouverte. Le produit se décide alors surtout sur la nature des flux voix et sur l’accès technique, pas sur une promesse d’écran plus lisible.
Facilité d’Utilisation 4,2
Cartesia propose un parcours direct avec un Playground, une API et des SDK, ainsi qu’un flux où l’on saisit un script, choisit une voix et obtient un rendu vocal. Les cas d’usage vont de la synthèse vocale à la transcription en passant par le clonage et la localisation audio. Pour un développeur ou une équipe produit, l’entrée en matière paraît assez courte parce que le même moteur sert à plusieurs tâches. En revanche, l’outil vise des usages techniques, ce qui le rend moins immédiat pour un profil qui cherche seulement une interface grand public très guidée.
Fonctionnalités et Outils 4,7
L’ensemble repose sur une API unique et sur des SDK, avec des modèles Sonic, Ink et Line. Cette largeur fonctionnelle en fait un outil solide pour des produits voix complets. Le point fort n’est pas un module isolé, mais la continuité entre génération, transcription, adaptation multilingue et déploiement d’agents, ce qui réduit les frottements quand le même projet doit couvrir plusieurs étapes.
Performance et Fiabilité 4,2
Cartesia publie une page de statut, status.cartesia.ai, reliée depuis le pied de chaque page du site, qui signalait tous les systèmes opérationnels le 23 septembre 2026. Le site met aussi en avant une latence de modèle très basse pour Sonic. Rien n’indique en revanche d’engagement de disponibilité chiffré sur les paliers publics. Pour l’utilisateur, le signal est bon sur la promesse technique et sur la transparence d’exploitation, sans garantie contractuelle visible hors Enterprise.
Innovation et Singularité 4,8
Cartesia se distingue par son architecture fondée sur des State Space Models, par sa chaîne Sonic, Ink et Line, et par une logique temps réel centrée sur la voix. Cette combinaison donne un positionnement très net pour les équipes qui veulent travailler la voix comme un flux continu, pas comme une simple conversion texte-audio. Le produit vise des usages où la latence, la détection de tour de parole et la continuité de l’identité vocale comptent autant que le rendu final.
Support et Ressources Disponibles 4,1
Cartesia met à disposition une documentation dédiée et un support par email. La page d’aide couvre l’accès à l’API, les bibliothèques clientes et les premiers pas autour du produit. Pour un profil technique, ce niveau de support suffit à démarrer et à intégrer l’outil sans dépendre uniquement d’un échange commercial. L’écosystème reste toutefois centré sur la documentation officielle, donc plus adapté à des équipes autonomes qu’à des utilisateurs qui attendent un accompagnement très large.
Rapport Qualité-Prix 4,3
Cartesia affiche cinq paliers mensuels, de Free à Enterprise sur devis, avec un volume de crédits qui grimpe à chaque marche et des sièges illimités partout. Pour un développeur qui teste un produit voix, l’accès initial est assez lisible et permet de valider la valeur avant engagement. Le passage aux paliers supérieurs devient pertinent dès qu’il faut du clonage, de l’usage commercial ou une montée en charge plus sérieuse.
Questions fréquentes
Quel est le prix de Cartesia ?
Cartesia propose cinq paliers : Free, Pro, Startup, Scale et Enterprise. Les montants mensuels relevés sur la page de l’éditeur figurent dans le tableau des prix ; Enterprise se négocie sur devis.
Existe-t-il une version gratuite de Cartesia ?
Oui, Cartesia propose un palier gratuit. Il inclut un quota mensuel de crédits, un crédit prépayé pour les agents, deux requêtes simultanées, et l’accès à la synthèse vocale et à la transcription vocale seulement. Ce palier ne comprend pas de licence d’usage commercial ni de clonage vocal.
Sur quelles plateformes Cartesia est-il disponible ?
Cartesia est disponible sur le web et sur Mac. Il n’est pas disponible sur Windows, Linux, iOS, Android, sous forme d’extension, ni pour Slack ou Teams. L’accès se fait aussi par interface de programmation et par des bibliothèques de développement.