在 AWS 上构建超低延迟语音 AI 应用：Cartesia 的 SSM 方案

Cartesia 基于自研 State Space Model 架构的 Sonic 文本转语音与 Ink 语音转文字模型，在 AWS 上实现低于 100ms 的首字节延迟。Sonic 首音频字节约 90ms，支持 44 种以上语言，可用 10 秒音频样本完成声音克隆。Ink 原生支持对话轮次检测与流式转写，两者共同构成完整的语音 AI 栈。