Cartesia 基于 AWS 与状态空间模型打造亚百毫秒实时语音 AI

Cartesia 是专注实时语音 AI 的 AWS 合作伙伴，基于状态空间模型（SSM）架构在 AWS 上构建语音应用。其两大核心模型 Sonic 与 Ink 分别用于文本转语音和语音转文本，首个字节延迟均控制在 100ms 以内。Sonic 首音频节约 90ms 到达，支持 44 种语言及 10 秒音频克隆；Ink 支持原生轮次检测与流式转写，可让下游大语言模型在说话人结束前开始生成回复。