如何在 AWS 上构建超低延迟语音 AI 应用

Cartesia 借助 State Space Models（SSMs）和 AWS 基础设施，提供低于 100ms 延迟的文本转语音与语音转文本服务。Sonic 首字节音频约 90ms，支持 44 种以上语言；Ink 可实时输出部分转录并自动检测说话者轮次。