如何在 AWS 上基于 Cartesia 构建超低延迟语音 AI 应用
Cartesia 联合 AWS 介绍了基于状态空间模型（SSM）与 AWS 基础设施构建首字节延迟低于 100ms 的实时语音 AI 方案。该方案涵盖首音频字节响应约 90ms 且支持超 44 种语言的文本转语音模型 Sonic，以及具备原生轮换检测的流式语音转文本模型 Ink，均支持 API 调用与 AWS 部署。
#语音
AWS Machine Learning BlogAI 评分4848
Hugging Face Blog精选AI 评分6161 NVIDIA 演示基于 Nemotron 开源模型构建万圣节互动怪兽屋
NVIDIA 工程师展示了基于 Nemotron 开源模型搭建的万圣节互动投影装置 MonsterHouse，在单台工作站上实现了本地实时的语音、视觉与面部动画交互。
推荐理由：原文拆解了将端侧小模型、语音流式生成与三维面部动画串联的工程管线，为实时交互式数字人搭建提供了完整落地方案。
Hugging Face BlogAI 评分4242 Granite Switch 4.1.1 发布：像更新软件一样更新模型
Granite Switch 4.1.1 作为补丁版本发布，完全向后兼容 4.1 且无需重新计算基座模型。该版本更新了支持 10 种语言并自带标点与大小写的 Granite Speech ASR 模型，同时升级了 granitelib-core 中的 Decision 适配器以提升 Jev Decision Index 表现。官方正筹备教程与 Adapter SDK，以支持开发者构建自有适配器。
NVIDIA Blog精选AI 评分7171 NVIDIA RTX Spark 笔记本正式上市并带来新模型与智能体工具
NVIDIA 宣布搭载 Blackwell 与 Grace 超级芯片的 RTX Spark Windows 笔记本已由华硕、戴尔、联想等厂商正式发售，起售价 2,599 美元，统一内存最高达 128GB。
推荐理由：文章汇总了 RTX Spark 笔记本的落地规格与配套软件，读者可以了解本地端侧高显存环境如何调度大模型与后台智能体。
Mistral AI精选AI 评分7575 Mistral AI 发布 Voxtral 3 语音模型系列与语音 Agent SDK
Mistral AI 正式推出 Voxtral 3 语音模型系列及语音 Agent SDK，将语音识别、大模型推理、工具调用与语音合成整合为端到端流式管线。
推荐理由：该系列将流式语音识别、LLM 推理和情感语音合成整合为单一管线，为构建企业级低延迟语音智能体提供了可私有化部署的全栈方案。