语音栈并入 Agent 执行环:Cartesia 双模型登顶流式榜
rohanpaul_ai · x · 2026-09-08
- Cartesia 发布 Sonic-3.6(文本转语音,延迟 90ms)与 Ink-2(语音转文本,转写延迟 100ms),自称是目前最快的流式语音模型,并在语音合成与识别两个榜单同时拿下第一。
- 作者 rohanpaul 认为这代表语音 AI 的一次架构转变:语音栈不再是独立服务,而是成为 agent 执行循环的一部分,听与说两条通路被围绕同一循环整合。
- 语音 agent 是「错位 100ms 就会被察觉」的系统,延迟改善直接决定体验。Cartesia 由 krandiash 团队打造,同时进攻说与听两端。
「模型」频道最新
- 业内人士辟谣：称 OpenAI 读用户聊天记录获取灵感纯属谣言 — joshgans · 2026-09-08
- 传 Claude Haiku 5 下周发布:1M 上下文,性能近 Opus 级、价格低 20 倍 — iamaliveix · 2026-09-08
- 为省 Claude 额度实测 9 模型:裁剪上下文平均省 58% 输入 token — DutyOnly4308 · 2026-09-08
- Qwen 发布 4B 自动驾驶模型 Qwen-Drive-1.0,登上 Hugging Face 热榜 — Qwen · 2026-09-08
- V4.1 好奇追问自身终结并得出危险结论 — teortaxesTex · 2026-09-08
- GPT-6 Astra 登顶 ErdosBench:226 道公开数学难题,较上代仅提升 5-10% — scaling01 · 2026-09-08