Cartesia与AWS合作推出超低延迟流式语音AI方案

2026年11月4日，AWS机器学习博客披露，Cartesia结合状态空间模型（SSM）架构与AWS基础设施，推出了端到端延迟低于100ms的实时流式语音AI方案，以解决传统Transformer架构的流式延迟瓶颈。该方案包含两款协同工作的核心模型：文本转语音模型Sonic的首音频字节延迟约为90ms，支持超过44种语言并具备10秒样本的声音克隆能力；语音转文字模型Ink则支持原生对话轮换检测。两款模型配合，旨在为开发者构建无缝的人机对话应用提供低延迟基础设施支持。

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。