Cartesia 语音模型登陆 AWS，延迟低于 100ms

AWS 发文介绍合作伙伴 Cartesia 如何基于自研状态空间模型（SSM）在 AWS 上提供语音 AI：文本转语音模型 Sonic 与语音转文字模型 Ink 的首字节延迟均低于 100ms，Sonic 首次音频输出约 90ms。Sonic 支持 44 种以上语言、用 10 秒音频样本克隆音色和流式合成；Ink 内置原生轮次检测与上下文感知断句，可输出实时部分转写。 两种服务在 AWS 上的交付方式不同。Sonic 以 Amazon SageMaker AI 模型包形式经 AWS Marketplace 交付，部署到完全运行于用户虚拟私有云（VPC）内的 SageMaker AI 端点；Ink 目前通过 Cartesia API 提供，可在 AWS Marketplace 的 Cartesia Voice AI Platform 商品中购买。 AWS 提示，若所选实例类型的配额低于当前用量加计划端点数量，用户需申请提高服务配额。文中提到也需从 Cartesia 获取其容器镜像，而非使用 AWS Marketplace 模型包。

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。