# Cartesia 发了两个实时语音模型 Sonic 3.5 和 Ink 2，一个说一个听，双双在榜单上排第一

> 原标题：Cartesia 发布 Sonic 3.5 与 Ink 2 实时语音模型

- 来源：AI HOT 精选
- 发布时间：2026-06-16T06:42:30.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/38613
- 原文：https://x.com/testingcatalog/status/2066773392527655252

## 摘要

Cartesia 把文字转语音的 Sonic 3.5 和语音转文字的 Ink 2 打包成一个实时语音栈。Sonic 3.5 从收到文字到出声音只要约 82 毫秒，在实时 TTS 榜单上拿了第一；Ink 2 在 Artificial Analysis 的流式语音转文字榜单上也排第一。Cartesia 现在是唯一一家同时占着听和说两个榜首的厂商。

## 推荐理由

Cartesia 同时发布实时语音合成 Sonic 3.5 与语音识别 Ink 2，前者约 82 毫秒出声，两者分别在实时 TTS 和流式语音转文字榜单排第一。

## 锐评

82 毫秒出声，这个数在实时语音里是能打的，人耳能察觉的延迟大概在 100 毫秒往上，卡到 82 基本就是说完就接上。Cartesia 现在听和说两个榜都占第一，做实时对话 agent 的可以认真看一眼，语音这块延迟每降一点，打断和抢话的体验就顺一点。

榜单第一和能上生产是两回事，参数量、架构、并发下的表现都没提，真跑起来还得自己压。反正语音赛道现在卷的是延迟，分数排第二。
