在 AWS 上构建超低延迟语音 AI 应用：Cartesia 用 SSM 实现 sub-100ms

Cartesia 借助专为实时语音设计的 State Space Model（SSM）和 AWS 基础设施，实现 sub-100ms 的语音合成与转写。其 Sonic 模型约 90ms 输出首个音频字节，支持 44 种以上语言和 10 秒音频样本的声音克隆；Ink 模型原生支持轮次检测与流式转写。两者面向对话式 AI、客服与无障碍等场景。