Building ultra-low-latency voice AI applications on AWS

AWS 合作伙伴 Cartesia 基于状态空间模型（SSM）架构，在 AWS 上提供亚 100ms 延迟的实时语音 AI 方案。其语音生成模型 Sonic 首字节延迟约 90ms，支持 44 种以上语言、10 秒音频样本克隆声音；语音转写模型 Ink 原生支持轮次检测与流式转写，无需单独的 VAD 模型。两者组合可构建接近人类对话体验的语音智能体。