Cartesia 如何在 AWS 上构建超低延迟语音 AI 应用

AWS 合作伙伴 Cartesia 基于自研 State Space Model（SSM）架构，在 AWS 上提供首字节延迟低于 100ms 的语音模型 Sonic（文本转语音）与 Ink（语音转文字）。Sonic 首音频字节约 90ms，支持 44 种以上语言，可用 10 秒音频样本克隆音色；Ink 原生支持对话轮次检测与流式转写。两者面向实时对话智能体，兼顾低延迟与音质。