Cartesia Blog·· 2024-05-31精选评分60
Cartesia 发布低延迟语音模型 Sonic，模型延迟 135ms
Announcing Sonic: a low‑latency voice model for lifelike speechWe're releasing Sonic, our low-latency voice model that generates lifelike speech today.[Research]May 31, 2024
导读
Cartesia 发布低延迟语音模型 Sonic，用于生成逼真语音，模型延迟为 135ms，官方称这是同类模型中最快的。Sonic 配套网页 playground 和低延迟 API，playground 提供面向客服、娱乐和内容创作的语音库，支持即时克隆和语音设计（语速、情感），这些能力均可通过 API 使用。Cartesia 表示其基于状态空间模型架构，并自建推理栈以降低延迟和成本，后续将发布关于新架构的更多细节。
推荐理由
官方给出 Sonic 的 135ms 模型延迟与自研状态空间模型推理栈，可据此判断低延迟语音合成的当前水平。
来源：Cartesia Blog · cartesia.ai