Cartesia lanza Sonic-3.5 e Ink-2 para IA de voz en tiempo real

Según el monitoreo de Beating, la startup de modelos de voz AI Cartesia anunció el lanzamiento de Sonic-3.5 e Ink-2, junto con una pila tecnológica unificada de agentes de voz en tiempo real compuesta por ambos modelos. Sonic-3.5 se encarga de la conversión de texto a voz (TTS), mientras que Ink-2 se encarga de la conversión de voz a texto (STT). Sonic-3.5 está optimizado para la generación de voz en tiempo real con baja latencia, reduciendo el tiempo de salida del primer sonido a 90 milisegundos. Soporta de fábrica 42 idiomas y puede pronunciar palabras heterofónicas y caracteres alfanuméricos en inglés sin necesidad de preprocesamiento. La tasa de error de palabras (WER) de Ink-2 se redujo al 3,6%, además de introducir detección de turnos nativa y mecanismos de procesamiento de ruido, que permiten determinar si el usuario ha terminado de hablar basándose en el significado y la comprensión semántica, en lugar de depender únicamente del tiempo de silencio tradicional. Actualmente, Ink-2 solo está disponible en inglés; las versiones multilingües se lanzarán posteriormente. Los desarrolladores pueden invocar ambos modelos mediante una única API. Sonic-3.5 e Ink-2 están diseñados para una colaboración bidireccional en flujo continuo, reduciendo la latencia y la pérdida del sistema causadas por la "combinación de múltiples proveedores".