// AI 新闻 · 2026-11-04 · AWS Machine Learning Blog
Cartesia 借助 SSM 模型在 AWS 上实现亚 100 毫秒语音交互
Cartesia，AWS 合作伙伴，利用专有状态空间模型（SSM）与 AWS 基础设施，在全球范围内实现文本转语音和语音转文本的亚 100 毫秒延迟。其 Sonic 和 Ink 模型支持实时流式推理，满足对话式 AI 对低延迟和高质量语音的双重需求。
原文发布 2026-11-04 00:40（北京时间）来源 AWS Machine Learning Blog自动整理 · 已核对原文
01摘要
Sonic 模型在接收到第一字节音频后约 90 毫秒即开始输出，具备多语言自然语调与情感表达能力，支持基于 10 秒音频样本的声线克隆。Ink 模型专为对话场景优化，实现语音识别的低延迟响应。两者均采用流式架构，输入未完全接收时即可开始生成输出，显著提升交互流畅性。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- Cartesia 利用状态空间模型（SSM）实现文本转语音与语音转文本的亚 100 毫秒延迟。
- Sonic 模型在输入后约 90 毫秒输出首字节音频，支持 44 种语言的自然语音合成。
- Ink 模型专为对话场景设计，具备实时流式语音识别能力。
- 模型采用流式架构，输入未完成时即可开始生成，保障对话连续性。
03原文出处
Building ultra-low-latency voice AI applications on AWS
AWS Machine Learning Blog · 发布于 2026-11-04 00:40（北京时间） · 上方为原标题
05相关新闻
- 同来源 · 基于EDB Postgres AI与Amazon Bedrock构建面向代理AI的语义层2026-11-04 · AWS Machine Learning Blog
- 同来源 · Gen Digital利用Amazon Bedrock AgentCore构建Norton Revamp新闻引擎2026-11-04 · AWS Machine Learning Blog
- 同主题 · 第二十四届半导体封测年会定档11月4日至6日2026-11-01 · IT之家
- 同主题 · 荣威家越 07 11月1日开启全国交付2026-10-31 · IT之家
- 同日 · Palette：小模型学习企业设计语言构建幻灯片2026-11-04 · Hugging Face Blog
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-04 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日