# 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。正文没提模...

## 推荐理由

Cartesia 把听和说两个方向都做到实时榜单第一，82 毫秒的出声延迟是个硬指标，说明在需要低延迟的对话场景里有实际优势。不过语音赛道本身关注度有限，正文也没披露模型参数量、训练数据和具体架构，技术细节还看不到，所以分数卡在 85 以下。

## 锐评

Cartesia 这次把文字转语音的 Sonic 3.5 和语音转文字的 Ink 2 打包成一个实时语音栈，两个模型分别在各自榜单上拿了第一。Sonic 3.5 从收到文字到出声音只要约 82 毫秒，这个延迟在实时对话场景里基本感觉不到卡顿，对语音助手、实时翻译这类应用是个实打实的提升。Ink 2 在流式语音转文字上也排第一，说明它在边说边出字的速度和准确率上都有优势。

不过正文没披露模型参数量、推理成本和具体定价，也没说什么时候正式开放。榜单第一是好事，但实际用起来贵不贵、稳不稳定，还得等更多信息。另外，两个模型打包成一个栈，意味着你可能要一起用，灵活性会打折扣。如果是真的省钱又好用，那对做语音产品的团队是个好消息，但现在只能先观望。