連結：https://cartesia.ai/blog/sonic
Sonic是由Carteisa團隊開發的低延遲語音模型，旨在為各種設備提供逼真的語音生成能力。該模型利用了創新的狀態空間模型架構，以實作高解析度音訊和影片的高效、低延遲生成。Sonic模型的延遲僅為135毫秒，是同類模型中最快的。Carteisa團隊專注於最佳化智慧的效率，使它更快、更便宜、更易於訪問。Sonic模型的釋出，標誌著實時對話式AI和長期記憶的計算平臺的初步進展，預示著未來AI在實時遊戲、客戶支援等領網網域的新體驗。
需求人群：
- Sonic的目標受眾包括需要高質量語音生成能力的企業、開發者和內容創作者。無論是在客戶支援、娛樂、遊戲還是內容創作領網網域，Sonic都能提供逼真的語音互動體驗，幫助他們提升使用者體驗和工作效率。
使用場景示例：
- 客戶支援：使用Sonic生成的逼真語音來提供自動客戶服務。
- 娛樂：在影片遊戲中，使用Sonic為角色生成逼真的對話。
- 內容創作：利用Sonic的API和Web Playground建立個性化的播客或有聲讀物。
產品特色：
- 生成逼真語音：Sonic可以為任何聲音生成高質量、逼真的語音。
- 低延遲：模型延遲僅為135毫秒，是同類模型中最快的。
- 高效率：在實驗中，Sonic在模型質量、推理速度、吞吐量和延遲方面均優於廣泛使用的Transformer實作。
- 多語言支援：Sonic模型在多語言Librispeech上進行了訓練，具有更好的驗證困惑度和單詞錯誤率。
- 實時互動：Sonic支援實時互動，適用於客戶支援、娛樂和內容創作等應用。
- API支援：Sonic提供了低延遲API，支援即時克隆和聲音設計。
- Web Playground：提供了一個具有多樣化聲音庫的網路遊樂場，支援聲音的即時克隆和設計。