Cartesia 如何在 AWS 上构建超低延迟语音 AI 应用

AWS 合作伙伴 Cartesia 基于专用 State Space Model（SSM）架构与 AWS 基础设施，提供 sub-100ms 延迟的语音生成与转写。其核心模型包括流式 TTS 模型 Sonic（首个音频字节约 90ms，支持超 44 种语言、10 秒音频样本声音克隆）和流式语音转文本模型 Ink（原生轮次检测、边说边出部分转写）。两者组合可构建接近人类对话体验的语音 AI 应用。