Cartesia语音模型登陆AWS，首字节延迟低于100ms

AWS 合作伙伴 Cartesia 将其基于自研状态空间模型（SSM）的 Sonic 文本转语音和 Ink 语音转文字模型部署到 AWS，称可实现低于 100ms 的首字节延迟。Sonic 约 90ms 输出首个音频字节，支持 44 种以上语言和用 10 秒音频样本进行声音克隆；Ink 原生支持对话轮次检测与流式转写，目前通过 Cartesia API 提供，可在 AWS Marketplace 的 Cartesia Voice AI Platform 条目购买。 Cartesia 称推理数据不会离开用户的 AWS 账户，可满足数据主权与合规需求。订阅只授予 AWS 账户访问模型包的权限，不部署资源；若所选实例类型的配额低于当前用量加计划端点实例数，用户可能需要申请提高服务配额。

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。