Ink-2
Cartesia · USA · 2026
Transkrypcja, która wie też, kiedy skończyłeś mówić — słuchająca połowa pętli głosowej Cartesii.
Ink-2 to strumieniowy model rozpoznawania mowy firmy Cartesia, ogłoszony razem z głosem Sonic 3.5 i zbudowany na tej samej architekturze przestrzeni stanów, której firma używa zamiast transformerów. Transkrybuje w sposób ciągły, z deklarowanym opóźnieniem 100 milisekund, ale funkcją, która naprawdę liczy się dla asystentów głosowych, jest wbudowane wykrywanie kolejki: model sam rozstrzyga, kiedy rozmówca skończył swoją wypowiedź, zamiast zostawiać tę ocenę doklejonemu z boku licznikowi ciszy. Ta różnica dzieli asystenta, który niezręcznie przeczekuje pauzę, od takiego, który wchodzi w słowo przed końcem zdania — a to najczęstszy powód, dla którego telefoniczne systemy AI są dla ludzi nie do zniesienia. W parze z Sonic 3.5 Ink-2 daje Cartesii oba kierunki rozmowy czasu rzeczywistego od jednego dostawcy i na jednej architekturze, co jest głównym argumentem handlowym firmy przeciwko składaniu zestawu głosowego z osobnych dostawców transkrypcji i syntezy.
▸Wideo
Brak materiałów wideo.
▸Recenzje
Brak recenzji. Bądź pierwszy!