在 AWS 上构建超低延迟语音 AI 应用

Cartesia 结合状态空间模型（SSM）架构与 AWS 基础设施，推出延迟低于 100ms 的实时流式语音 AI 方案。方案包含首音频字节延迟约 90ms、支持超 44 种语言及 10 秒样本声音克隆的文本转语音模型 Sonic，以及支持原生对话轮换检测的语音转文字模型 Ink。两者协同解决了传统 Transformer 架构的流式延迟瓶颈，用于构建无缝人机对话。