AWS 博客介绍 Cartesia 语音模型 Sonic/Ink 在 AWS 上的部署方案

AWS Machine Learning Blog 发布文章，介绍 AWS 合作伙伴 Cartesia 基于状态空间模型（SSM）架构与 AWS 基础设施，提供延迟低于 100ms 的语音生成与识别服务。其 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。 部署方式上，Sonic 通过 AWS Marketplace 以 SageMaker AI 模型包交付，可部署到完全运行在用户 VPC 内的 SageMaker 端点；Ink 目前通过 Cartesia API 提供，可在 AWS Marketplace 的 Cartesia Voice AI Platform 列表中购买。文章称推理数据不会离开用户账户。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。