Cartesia lance Sonic-3.5 et Ink-2 pour l'IA vocale en temps réel

Selon les données de Beating, la startup Cartesia, spécialisée dans les modèles vocaux IA, a annoncé le lancement de Sonic-3.5 et Ink-2, ainsi qu'une pile technologique unifiée d'agents vocaux en temps réel composée de ces deux modèles. Sonic-3.5 gère la synthèse vocale (TTS), tandis qu'Ink-2 gère la reconnaissance vocale (STT). Sonic-3.5 est optimisé pour la génération vocale en temps réel avec une faible latence, réduisant le temps de sortie du premier son à 90 millisecondes. Il prend en charge nativement 42 langues et peut prononcer correctement les mots anglais hors contexte ainsi que les caractères alphanumériques sans prétraitement. Le taux d'erreur mot (Word Error Rate) d'Ink-2 est descendu à 3,6 %, avec l'introduction d'une détection native des tours (Native Turn-Detection) et de mécanismes de traitement du bruit, permettant de déterminer si l'utilisateur a terminé de parler en se basant sur le sens et la compréhension sémantique, et non uniquement sur la durée de silence traditionnelle. Pour l'instant, Ink-2 est disponible uniquement en anglais ; des versions multilingues seront proposées ultérieurement. Les développeurs peuvent appeler les deux modèles via une seule API. Sonic-3.5 et Ink-2 sont conçus pour une collaboration fluide bidirectionnelle, réduisant ainsi la latence et les pertes système causées par l'assemblage de plusieurs fournisseurs.