Cartesia发布Sonic-3.6：全新实时语音合成模型

近日，Cartesia发布了其最新的实时文本转语音（TTS）模型Sonic-3.6。该版本在自然度方面进行了改进，并且已经在Artificial Analysis的两个语音合成排行榜上占据首位，分别以1283和1123的Elo分值领先于其他竞争对手。Sonic-3.6采用状态空间模型而非传统的转换器架构，在90毫秒内生成首段音频，适用于金融、医疗保健等多个行业的多种应用场景。该模型已进入Beta阶段，并作为托管API提供，支持包括呼叫中心在内的多个行业应用，如客户支持代理、预约提醒和销售培训模拟等。