Cartesia 如何在 AWS 上构建超低延迟语音 AI 应用

Cartesia 基于自研 State Space Model（SSM）架构的 Sonic 文本转语音与 Ink 语音转文字模型，在 AWS 上实现低于 100ms 的首字节延迟。Sonic 首音频字节约 90ms，支持 44 种以上语言和 10 秒音频样本的声音克隆；Ink 具备原生轮次检测与流式转写能力。两者面向客服、远程医疗、游戏与无障碍等实时语音场景。