Cartesia 正式推出了其最新的语音 AI 引擎 Sonic-3，号称它是当前市场上最快、最自然的实时语音模型。Sonic-3的核心目标是提供极其自然和快速的语音交互体验，让AI能够以几乎零延迟的方式进行对话，并模拟人类的情绪、语气，甚至笑声和情绪变化，从而显著增强交流的真实性和表现力。
Sonic-3 的突破性性能得益于它采用了新的“状态空间模型”（SSM）架构，而不是传统的 Transformer 模型。Cartesia 解释说，SSM 架构可以更有效地模拟人类思维，记住对话的主题和情绪，而不必每次都从头开始分析上下文，从而实现前所未有的自然语音水平和低延迟性能。该模型的延迟小于 100 毫秒，处于实时语音交互行业的前沿。
在功能和覆盖范围方面，Sonic-3 展现出了强大的全球潜力。它支持42种语言，覆盖全球95%的人口，其中包括9种印度语言，为不同的市场需求提供母语级语音模型。Sonic-3还具有智能上下文理解能力，自动识别并正确发音NASA、FBI等缩写和首字母缩略词，显著提升对话的流畅度。此外，该引擎支持语音克隆功能，用户只需10秒即可生成个性化语音，而企业版则提供专业的语音调音和品牌语音定制服务。
Sonic-3的应用前景广阔，可以广泛应用于客户支持、虚拟伴侣、医疗保健和物流服务等领域，通过情感表达的语音显著提升客户服务体验。
为了支持Sonic-3的进一步研发和推广，Cartesia还宣布完成了1亿美元的Kleiner Perkins、Index Ventures、Lightspeed和NVIDIA。Cartesia认为，随着Sonic-3的推出，人机交互领域将迎来重大突破，为用户带来更丰富、更自然的交流体验。用户可以访问Cartesia官方网站在线体验Sonic-3。
