Cartesia

1. サービス概要

Cartesia は、「Sonic」というフラッグシップモデルを中心とした、超低遅延かつ高品質なリアルタイム・テキスト読み上げ（TTS）プラットフォームを提供するAIサービスです。

主な機能:
超低遅延TTS（Sonicモデル）: 最初の音声出力までの時間（TTFA）が最短40ms〜90msと極めて速く、リアルタイムの会話に適しています。
音声クローニング: わずか数秒のサンプル音源から、特定の人物の声を再現するカスタムボイスの作成が可能です。
多言語・感情制御: 日本語を含む40以上の言語に対応し、声のピッチ、スピード、感情（喜び、怒り等）を細かく制御できます。
Voice Changer / Infill: 入力音声のスタイルを変更したり、音声内の一部を違和感なく編集したりする機能を提供します。
ユーザー数: 1万人以上の顧客（Quora、Cresta、Rasaなどの企業を含む）に利用されており、数千万件の音声生成実績があります。
対応プラットフォーム:
API / SDK: Python、JavaScript（TypeScript）などの主要言語向けSDKを提供。
Web Playground: ブラウザ上で即座に試用可能。
デプロイ形態: クラウド（SaaS）のほか、オンプレミス、エッジデバイス（オンデバイス）での動作にも対応しています。

2. 使用している技術スタック

Cartesia は、従来のTransformerアーキテクチャに代わる新しいニューラルネットワーク構造を核としています。

アーキテクチャ: State Space Models（SSMs / 状態空間モデル）を採用。共同創業者のAlbert Gu氏が開発した「Mamba」アーキテクチャの流れを汲んでおり、Transformerよりもメモリ効率が高く、推論が高速であるという特徴があります。
モデル: 自社開発の基盤モデル「Sonic」（最新版はSonic 2.0 / Sonic-3 preview）を使用。
開発言語・環境:
プログラミング言語: Python（モデル開発およびSDK）、TypeScript（SDK）。
インフラ: AWS Marketplaceでの提供が確認されており、AWS上のインフラを活用しています。
セキュリティ標準: SOC 2 Type II、HIPAA、PCI Level 1 などの認証を取得済み。

3. 会社概要

運営会社名: Cartesia AI, Inc.
設立年: 2023年（法人登記は2024年2月27日）
本社所在地: 1766 18th Street, San Francisco, CA 94107, USA（米国カリフォルニア州サンフランシスコ）
従業員数: 約40名〜50名（情報源により28名〜200名未満の記載あり）

4. 沿革、資本構成、国籍、役員情報

沿革:
2023年、スタンフォード大学のAI Lab（Hazy Researchグループ）出身のメンバーによって設立。
2024年12月、シードラウンドで2,200万ドル（約2,700万ドルとの説もあり）を調達。
2025年3月、Kleiner Perkinsをリード投資家としてシリーズAで6,400万ドルを調達。累計調達額は9,100万ドルに達しています。
資本構成: 非上場のプライベートカンパニー。
主な出資者: Kleiner Perkins, Index Ventures, Lightspeed Venture Partners, Dell Technologies Capital, Samsung Ventures, NVIDIA (NVentures), Andreessen Horowitz (a16z) 等。
国籍: アメリカ合衆国。
役員情報（創業者）:
Karan Goel (CEO): インド出身、米国籍（推定）。スタンフォード大学で博士号（PhD）取得。機械学習の研究者であり、数々のオープンソースプロジェクトを主導。
Albert Gu (Chief Scientist): アメリカ国籍。カーネギーメロン大学助教授。状態空間モデル（SSM）および「Mamba」の主要な開発者の一人。
Arjun Desai: スタンフォード大学出身の研究者。医療AIや基盤モデルの研究に従事。
Brandon Yang: スタンフォード大学出身。Google Brain等での経験を持つ研究エンジニア。
Chris Ré: アメリカ国籍。スタンフォード大学教授。マッカーサー・フェロー（天才賞）受賞者。SambaNovaやTogether AIなどの著名なAIスタートアップの共同創業者としても知られる。

TTS に戻る