Cartesia - 超逼真、超快速且高度可控的 AI 语音

文章预览

Cartesia 旨在构建 超逼真、超快速且高度可控 的语音 AI 系统。这个月刚刚宣布完成  6400万美元 A 轮融资 ，领投方为  Kleiner Perkins 。 试用 整体试用体验下来效果还是不错的，声音也很自然，克隆某个人的声音很快，效果也很好。 我用的原始的 Trump 的音频。 分别进行了如下操作： 声音克隆 本地化 声音转换 个性化 创始团队 创始团队在斯坦福大学人工智能实验室攻读博士期间相识，并共同发明了 状态空间模型（State Space Models，简称 SSMs） ——这是一种用于训练大规模基础模型的全新核心机制，具备更高质量和更高效率。 在过去四年中，Cartesia 团队不仅构建了 SSM 的理论基础，还将其扩展应用至多种模态，包括 文本、音频、视频、图像和时间序列数据 ，并在多个领域实现了 最先进的性能表现 。 🧠 技术核心：Sonic 2.0 模型 📌 架构特点 基于  stat ………………………………