Cartesia联合AWS构建超低延迟语音AI方案

2026年11月4日，AWS发布内容显示，Cartesia结合状态空间模型（SSM）与AWS基础设施构建了超低延迟语音AI应用方案，实现低于100毫秒的流式语音生成与识别能力。该方案的核心主要包含两款模型：文本转语音（TTS）模型Sonic，其首音频字节延迟约90毫秒，支持超过44种语言；流式语音转文本（STT）模型Ink，具备原生轮次检测以及抗噪能力。该合作方案旨在借助AWS基础设施与SSM架构，满足实时交互场景对语音极速响应的需求。

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。