📖 AI 总结

Cartesia发布了流式文本转语音模型Sonic-3.6，该模型基于状态空间模型而非Transformer架构，在Artificial Analysis语音排行榜上双双登顶，分别以1,283 Elo和1,123 Elo的成绩位居Provider Voice和Controlled Voice榜首。后者通过将各模型统一到相同参考音色上，以隔离评测合成引擎性能。Sonic-3.6实现了低于90毫秒的首音频延迟，目前已在Cartesia自有API上提供测试版本。这一进展表明，状态空间模型在语音合成领域具备超越传统Transformer架构的潜力，尤其在实时交互场景中具有显著优势。