搜索“语音”

Cartesia发布语音代理开发平台Line

2025年8月19日,Cartesia发布语音代理开发平台Line。该平台采用代码优先设计,开发者可通过SDK、CLI和GitHub集成快速构建和部署语音代理。Line集成Sonic和Ink模型,提供低延迟、可扩展的基础设施,并支持企业本地部署和模型微调。

Mistral AI发布Voxtral语音模型

Cartesia发布Ink语音转文字模型

2025年6月10日,Cartesia推出Ink系列流式语音识别模型,首发Ink-Whisper基于OpenAI Whisper优化,面向实时语音智能体。Ink-Whisper在背景噪声、专有名词、口音等场景下WER优于whisper-large-v3-turbo,并实现最低TTCT,价格为1 credit/秒(Scale计划$0.13/小时)。

Cartesia推出专业语音克隆功能

2025年5月6日,Cartesia推出专业语音克隆(PVC)功能,基于Sonic模型微调,可复刻音色、节奏、风格和环境。该功能现已在Startup及以上套餐自助提供,支持15种语言,可通过Playground或API创建。

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。

Cartesia发布语音代理开发平台Line

Cartesia 发布 语音代理开发平台Line

查看事件：Cartesia发布语音代理开发平台Line

Mistral AI发布Voxtral语音模型

Mistral AI 发布 Voxtral系列开源语音理解模型

查看事件：Mistral AI发布Voxtral语音模型

Vapi 介绍语音延迟优化方案

2025年7月14日,Vapi 介绍了一套针对语音 AI 延迟的优化方案。据 Vapi Blog 当日发布的内容,该方案通过动态路由系统将每次请求发往当时最快的 Azure OpenAI 部署,把 GPT-4o mini 的 P95 延迟削减了超过 1000ms。具体做法上,系统先用单 token 请求轮询 40 多个部署,再结合线上真实延迟实时更新路由表,并保留少量流量探索其他部署。针对请求无响应挂起的情况,方案按各部署历史标准差设置动态阈值,超时即回退到次快部署。目前该事实仅有 Vapi 官方博客这一来源,暂无后续发展事实。

Vapi与Coval合作支持上线前模拟压测语音工作流

2025年5月15日,Vapi与Coval达成合作,开发者可在真实通话上线前用Coval对Vapi工作流进行模拟和压力测试。据Vapi Blog介绍,该集成支持跨Vapi工作流运行自动化测试,追踪延迟、任务完成率和流程准确率,并在影响线上流量前捕获回归问题。目前尚无后续发展事实,事件状态停留在该合作发布阶段。

Vapi 介绍其语音延迟优化方案

Vapi 介绍 将请求动态路由到最快部署并设置动态回退阈值的延迟优化方案

查看事件：Vapi 介绍语音延迟优化方案

Cartesia发布Ink语音转文字模型

Cartesia 发布 Ink语音转文字模型

查看事件：Cartesia发布Ink语音转文字模型

Vapi与Coval合作支持上线前模拟压测语音工作流

Vapi 合作推出 用Coval模拟和压测Vapi工作流

查看事件：Vapi与Coval合作支持上线前模拟压测语音工作流

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

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