搜索“语音”

Cartesia推出专业语音克隆功能

Cartesia 推出 专业语音克隆功能

查看事件：Cartesia推出专业语音克隆功能

Cartesia发布Sonic 2.0语音模型

2025年3月11日,Cartesia发布语音生成模型Sonic 2.0。据Cartesia产品与研究当日发布的信息,Sonic 2.0基于新的状态空间模型架构,规模是前代两倍,全模型延迟90ms、turbo模式40ms,在100个保留声音的盲测中偏好度是次优提供商的1.5倍;同时推出Voice changer和Infill两个新端点,API提供99.9%可用性并支持实时本地与端侧部署。同日,Vapi宣布集成该模型,称其turbo模式延迟低至40ms,集成支持99.9%可用性、SOC-2与HIPAA合规以及本地和端侧部署,用户可在Vapi控制台的语音提供商下拉菜单中选择Cartesia Sonic 2.0。目前该模型已发布并获得第三方平台集成。

Cartesia发布语音AI代理构建教程

2025年3月3日,Cartesia发布教程,介绍如何利用其API与Sonic模型构建语音AI智能体。教程详细说明了工作流程,包括语音转文本、自然语言处理、信息检索、响应生成和文本转语音。为降低延迟,教程建议使用WebSocket或流式端点,并提到可使用Whisper API或Google Speech to Text进行语音识别,使用Claude Sonnet或OpenAI O1/4O生成响应。目前该教程已发布,为开发者提供构建语音AI代理的指导。

Cartesia发布Voice Changer语音转换模型

2024年10月30日,Cartesia推出Voice Changer语音转换模型。据其介绍,该模型可将任意音频片段的声音替换为其他音色,同时保留原始的语气、情感和韵律。用户既可从其录音棚级音色库中选择音色,也可克隆自己的声音,并控制发声、情感和韵律等细节。该模型基于Cartesia在状态空间模型(SSM,如S4和Mamba)上的工作,已在playground上线,使用流程为上传文件、选择音色、生成音频三步。

Cartesia发布低延迟语音模型Sonic

2024年5月31日,Cartesia发布低延迟语音模型Sonic,模型延迟为135ms,可生成逼真语音。该模型基于状态空间模型架构,在实验中相比Transformer实现将时间到首音频延迟降低1.5倍、实时因子降低2倍、吞吐量提高4倍,并提供Web playground和低延迟API。

Vapi 宣布集成 Cartesia Sonic 2.0 语音生成模型

Vapi 宣布集成 Cartesia 的 Sonic 2.0 语音生成模型

查看事件：Cartesia发布Sonic 2.0语音模型

Cartesia发布Sonic 2.0语音模型

Cartesia 发布 Sonic 2.0语音模型

查看事件：Cartesia发布Sonic 2.0语音模型

Cartesia发布语音AI代理构建教程

Cartesia 发布 语音AI代理构建教程

查看事件：Cartesia发布语音AI代理构建教程

Cartesia推出Voice Changer语音转换模型

Cartesia 推出 Voice Changer语音转换模型

查看事件：Cartesia发布Voice Changer语音转换模型

Cartesia发布低延迟语音模型Sonic

Cartesia 发布 低延迟语音模型Sonic

查看事件：Cartesia发布低延迟语音模型Sonic