كارتيشيا تطلق Sonic-3.5 وInk-2 للذكاء الاصطناعي الصوتي في الوقت الفعلي

وفقًا لمراقبة Beating، أعلنت الشركة الناشئة في مجال نماذج الصوت بالذكاء الاصطناعي Cartesia عن إطلاق Sonic-3.5 وInk-2، وطرح بنية تقنية موحدة للوكيل الصوتي في الوقت الفعلي مبنية على النموذجين. يتحمل Sonic-3.5 مسؤولية تحويل النص إلى صوت (TTS)، بينما يتحمل Ink-2 مسؤولية تحويل الصوت إلى نص (STT). يركز Sonic-3.5 على إنتاج صوتي منخفض التأخير في الوقت الفعلي، مع تقليل وقت إخراج أول صوت إلى 90 مللي ثانية. يدعم النموذج افتراضيًا 42 لغة، ويدعم نطق الكلمات غير المعتادة والرموز الرقمية والحرفية بالإنجليزية دون الحاجة إلى معالجة مسبقة. انخفض معدل خطأ الكلمات (Word Error Rate) في Ink-2 إلى 3.6%، مع إدخال آلية كشف الدورات الأصلية (Native Turn-Detection) ومعالجة الضوضاء، مما يسمح له بتحديد ما إذا كان المستخدم انتهى من الكلام بناءً على المعنى والسياق، وليس فقط على أساس فترات الصمت التقليدية. حاليًا، يتوفر Ink-2 باللغة الإنجليزية فقط، وستُطرح الإصدارات متعددة اللغات لاحقًا. يمكن للمطورين استدعاء النموذجين معًا عبر واجهة برمجة تطبيقات واحدة. تم تصميم Sonic-3.5 وInk-2 للعمل بالتزامن في تدفق ثنائي الاتجاه لتقليل التأخير في النقل والخسائر النظامية الناتجة عن "دمج مزودين متعددين".