Sonic，基于狀態(tài)空間模型的低延遲實(shí)時(shí)推理語音生成模型，由Cartesia ai開發(fā)的實(shí)時(shí)語音生成模型，基于他們自研的狀態(tài)空間模型，專為實(shí)時(shí)互動(dòng)語音應(yīng)用設(shè)計(jì)。

Sonic 的顯著特點(diǎn)包括：

技術(shù)基礎(chǔ)：

• Sonic 基于下一代狀態(tài)空間模型構(gòu)建，這是一種先進(jìn)的深度學(xué)習(xí)架構(gòu)。

• 模型實(shí)現(xiàn)了市場(chǎng)上最快的文本到語音轉(zhuǎn)換，端到端延遲小于200毫秒，模型延遲僅135毫秒，是同類模型中最快的。

性能特點(diǎn)：

• 極快的速度：Sonic 的延遲僅為135毫秒，確保實(shí)時(shí)響應(yīng)，這對(duì)于交互式應(yīng)用至關(guān)重要。

• 高吞吐量：利用首創(chuàng)的狀態(tài)空間模型推理?xiàng)?，Sonic 支持高并發(fā)和低成本推理，適合大規(guī)模部署。

語音質(zhì)量：

• 超逼真語音：Sonic 能夠生成富有情感和表達(dá)力的真人語音，極大提升了語音合成的自然度和真實(shí)感。

個(gè)性化功能：

• 零樣本語音克隆：僅需10秒的錄音，Sonic 就能匹配語調(diào)、抑揚(yáng)頓挫和聲線特征，實(shí)現(xiàn)個(gè)性化語音克隆。

• 可控參數(shù)：用戶可以調(diào)整音高、語速、情感等參數(shù)，實(shí)現(xiàn)個(gè)性化的語音設(shè)計(jì)。

Cartesia作為一家專注于構(gòu)建實(shí)時(shí)智能的初創(chuàng)公司，通過創(chuàng)新的狀態(tài)空間模型（SSM）技術(shù)，為每個(gè)設(shè)備提供高效、長(zhǎng)壽命的實(shí)時(shí)智能，提供高質(zhì)量的實(shí)時(shí)語音體驗(yàn)。

詳情：https://cartesia.ai/blog/sonic