CartesiaがSonic-3.5とInk-2を発表：音声合成と文字起こしの両ストリーミング首位を獲得
Cartesiaは音声合成モデルSonic-3.5と文字起こしモデルInk-2を公開した。状態空間モデルを採用して初回応答遅延を300ミリ秒未満に抑え、Artificial Analysisの流動評価で首位を獲得。発話終了検知も備え、対話AIの不自然な沈黙を解消する。
Cartesiaは音声合成モデルSonic-3.5と文字起こしモデルInk-2を公開した。状態空間モデルを採用して初回応答遅延を300ミリ秒未満に抑え、Artificial Analysisの流動評価で首位を獲得。発話終了検知も備え、対話AIの不自然な沈黙を解消する。