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

Cartesia 基于 State Space Model（SSM）架构的 Sonic 语音合成与 Ink 语音转写模型，在 AWS 上实现 sub-100ms 首字节延迟。Sonic 约 90ms 输出首个音频字节，支持 44 种以上语言、10 秒音频样本克隆音色；Ink 原生支持对话轮次检测与流式转写。两者面向实时语音智能体，可在 AWS 上部署以满足数据主权与合规需求。