AWS 详解如何在云端构建超低延迟实时语音 AI 应用

AWS 联合语音 AI 初创公司 Cartesia 介绍了基于状态空间模型（SSM）构建亚 100ms 延迟语音应用的技术方案。Cartesia 旗下的 Sonic 文本转语音模型支持约 90ms 的首包延迟并覆盖超过 44 种语言，Ink 语音转文本模型则原生支持轮流交替识别与流式转写。