Cartesia Melancarkan Sonic-3.5 dan Ink-2 untuk AI Suara Masa Nyata

Berdasarkan pemantauan Beating, syarikat rintisan model suara AI, Cartesia, mengumumkan pelancaran Sonic-3.5 dan Ink-2, serta memperkenalkan tatanan agen suara masa nyata yang terpadu yang terdiri daripada dua model ini. Sonic-3.5 bertanggungjawab atas teks-ke-suara (TTS), manakala Ink-2 bertanggungjawab atas suara-ke-teks (STT). Sonic-3.5 difokuskan pada penghasilan suara masa nyata dengan latensi rendah, dengan masa keluaran suara pertama dipersingkat kepada 90 milisaat. Model ini menyokong 42 bahasa secara luar kotak, serta menyokong pengucapan perkataan asing dan alfanumerik dalam bahasa Inggeris tanpa pemprosesan awal. Kadar kesilapan perkataan (Word Error Rate) Ink-2 telah diturunkan kepada 3.6%, sambil memperkenalkan pengesanan giliran asli (Native Turn-Detection) dan mekanisme pemprosesan bunyi bising, yang mampu menentukan sama ada pengguna telah selesai berbicara berdasarkan maksud dan pemahaman semantik ayat, bukan hanya bergantung kepada tempoh senyap tradisional. Pada masa ini, Ink-2 hanya tersedia dalam versi bahasa Inggeris, dan versi pelbagai bahasa akan dikeluarkan kemudian. Pembangun boleh memanggil kedua-dua model ini melalui satu API tunggal. Sonic-3.5 dan Ink-2 direka untuk bekerjasama secara berterusan dua hala, bagi mengurangkan latensi transmisi dan kehilangan sistem yang disebabkan oleh "penggabungan pelbagai pembekal".