Cartesia Sonic 3 chega ao SageMaker JumpStart
A AWS anunciou a disponibilidade do modelo Sonic 3 da Cartesia no Amazon SageMaker JumpStart, expandindo o portfólio de modelos fundamentais oferecidos aos clientes da plataforma. Trata-se de um modelo de espaço de estado (Estado Space Model — SSM) especializado em síntese de voz a partir de texto em tempo real, com foco em naturalidade do áudio, precisão na transcrição e latência inferior a 100ms — características que viabilizam aplicações de IA conversacional com qualidade comparável à fala humana.
Capacidades Técnicas do Sonic 3
O modelo oferece controle granular sobre múltiplos aspectos da voz sintetizada. Por meio de parâmetros de API e tags SSML, é possível ajustar volume, velocidade e expressão emocional da geração de áudio. O Sonic 3 suporta 42 idiomas diferentes, facilitando deployments globalizados.
Recursos de Qualidade e Expressividade
Uma das características diferenciadoras é o suporte nativo a riso natural durante a síntese. O modelo inclui vozes estáveis otimizadas especificamente para agentes de voz, além de vozes expressivas projetadas para personagens que requerem maior variação emocional e tonal. Com latência inferior a 100ms, o Sonic 3 captura nuances da fala humana, incluindo variações de emoção e entonação, tornando-o adequado para diálogos reais em tempo real.
Implementação no SageMaker JumpStart
A integração com o SageMaker JumpStart simplifica o processo de deployment do modelo. Clientes podem fazer deploy do Sonic 3 com apenas alguns cliques, acessando o catálogo de modelos no SageMaker Studio ou utilizando o SDK Python do SageMaker para provisionar o modelo em suas contas AWS.
Para detalhes completos sobre implementação e uso de modelos fundamentais no SageMaker JumpStart, recomenda-se consultar a documentação oficial do Amazon SageMaker JumpStart.
Implicações para Casos de Uso
A disponibilidade do Sonic 3 expande as possibilidades para construção de agentes de IA conversacional, atendimento automatizado multilíngue e aplicações que exigem síntese de fala expressiva em tempo real. A combinação de baixa latência, suporte a múltiplos idiomas e controle fino sobre expressividade posiciona o modelo para cenários que vão além de leitura de texto simples.
Fonte
Cartesia Sonic 3 text-to-speech model is now available on Amazon SageMaker JumpStart (https://aws.amazon.com/about-aws/whats-new/2026/02/cartesia-sonic-3-on-sagemaker-jumpstart)
Leave a Reply