Компания Cartesia выпустила две топовые модели потоковой обработки голосовых данных: Sonic-3.5 и Ink-2 — модель речи и модель транскрипции, обе занимающие лидирующие позиции в рейтингах систем искусственного интеллекта. Обе модели, построенные на основе моделей пространства состояний, работают через единый API, и, по словам Cartesia, Sonic обеспечивает задержку менее 90 мс, а Ink-2 обрабатывает транскрипцию со встроенным определением реплик. Суть проста: инженерные команды наконец-то смогут перестать использовать решения разных поставщиков для своих систем обработки голосовых данных в реальном времени.