Cartesia 基于 AWS 构建超低延迟语音 AI 应用

AWS 合作伙伴 Cartesia 采用 State Space Models（SSM）架构与 AWS 基础设施，在全球范围内提供低于 100ms 延迟的语音生成与识别。其旗舰 TTS 模型 Sonic 首音频字节约 90ms，支持 44 种以上语言、10 秒音频样本即可克隆声音；语音转文字模型 Ink 原生支持轮次检测和流式转录，无需额外 VAD 模型。