Cartesia發(fā)布了一個(gè)擁有極快推理速度和超低延遲的語音生成模型Sonic

　　據(jù)來自 Cartesia 的最新消息，他們今天發(fā)布了 Sonic，這是他們在構(gòu)建實(shí)時(shí)多模態(tài)智能時(shí)代的第一步。Sonic 是一個(gè)極速的生成語音模型和 API，擁有令人驚嘆的低延遲(僅為135毫秒模型延遲)，栩栩如生的聲音效果，目前只支持英文。

　　Sonic 采用了全新的狀態(tài)空間模型架構(gòu)，有效地建模高分辨率數(shù)據(jù)，例如音頻和視頻。在語音方面，經(jīng)過參數(shù)匹配和優(yōu)化的 Sonic 模型在與廣泛使用的 Transformer 相同的數(shù)據(jù)集上訓(xùn)練，顯著提高了音頻質(zhì)量，包括降低20% 的困惑度、降低2倍的單詞錯(cuò)誤率以及提高1分的 NISQA 質(zhì)量。

　　此外，Sonic 具有更低的延遲、更快的推理速度以及更高的吞吐量，為用戶帶來更出色的體驗(yàn)。Cartesia 還提供了 Web Playground 和低延遲 API，用戶可以立即開始體驗(yàn) Sonic 的強(qiáng)大功能。

　　創(chuàng)始人在斯坦福大學(xué)攻讀博士學(xué)位期間開創(chuàng)了狀態(tài)空間模型，為 Sonic 的研發(fā)奠定了基礎(chǔ)。這種模型是第一個(gè)次線性架構(gòu)，可以在語言和音頻等重要模態(tài)上匹配 Transformer，同時(shí)釋放潛在的無限上下文、恒定的狀態(tài)大小和高吞吐量的推理。

　　Cartesia 表示，他們很期待與社區(qū)一起探討替代架構(gòu)，并將很快分享更多信息。如果您也對使智能更快、更便宜、更易獲取感興趣，歡迎通過郵箱 join@cartesia.ai 聯(lián)系他們。

　　在這個(gè)快速發(fā)展的多模態(tài)智能時(shí)代，Cartesia 的 Sonic 將引領(lǐng)行業(yè)，為用戶帶來全新的體驗(yàn)和可能性。立即體驗(yàn) Sonic，探索實(shí)時(shí)多模態(tài)智能的未來!