Cartesia 发布了 Sonic 3.5 和 Ink 2 两款模型,它们作为一个实时语音栈运行,一侧负责转录,另一侧负责语音合成。
Ink 2 在 Artificial Analysis 的流式语音转文本排行榜上准确率排名第一。
Sonic 3.5 在实时文本转语音排行榜上以约 82 毫秒的首音延迟位居榜首。
[引用 @krandiash]:我们发布了 Sonic-3.5 和 Ink-2,这是目前可用于语音智能体的排名第一的文本转语音和语音转文本流式模型。
全新架构为速度与质量开辟了新前沿。
我们现已成为唯一一家在说话和聆听两方面都拥有排名第一模型的提供商。