Cartesia开发新型高效AI架构SSM，推出低延迟语音克隆服务，成为AI技术的重要创新者lg...

Cartesia宣称其AI模型足够高效，可在任何地方运行

• Cartesia探索更高效的AI架构

• 从学术到创业：Cartesia的起源

• Cartesia的Mamba模型与SSM架构

• SSM与Transformer的对比

• Cartesia的伦理问题和应对措施

• Cartesia的商业模式与前景

• 总结与展望

• 名词解释

• 2024年相关大事件

Cartesia探索更高效的AI架构

根据TodayUSstock.com报道，随着AI开发和运行成本的不断上升，Cartesia的创始人Karan Goel及其团队正在寻找降低AI成本的途径。Cartesia开发了一种名为状态空间模型（SSM）的新型AI架构，这种架构能够更高效地处理大量数据（如文本和图像）。Goel认为，新的模型架构是实现真正有用AI的关键，尤其是在当前竞争激烈的AI市场中，构建最佳模型至关重要。

从学术到创业：Cartesia的起源

Goel和Albert Gu在斯坦福大学的AI实验室中相识，后者也成为Cartesia的联合创始人之一。Goel曾在Snorkel AI和Salesforce工作，而Gu则在卡内基梅隆大学担任助理教授。两人继续合作研究SSM，并于2023年共同创立Cartesia，目的是将他们的研究成果商业化。

Cartesia的创始团队包括斯坦福大学的Christopher Ré教授，并参与了多个SSM衍生项目，最著名的是Mamba模型。Mamba起初是一个开源研究项目，由Gu与普林斯顿大学的Tri Dao教授共同发起。

Cartesia的Mamba模型与SSM架构

Cartesia基于Mamba模型进一步开发并训练了自己的SSM模型。与传统的Transformer架构不同，SSM能够通过压缩历史数据，提供更高效的数据处理方式，从而在处理大量数据时节省计算资源并提高效率。

SSM与Transformer的对比

Transformer架构在AI应用中广泛使用，但其工作原理也导致了高昂的计算成本。每当Transformer处理新数据时，它需要扫描整个“隐藏状态”来“记住”先前的数据。而SSM则通过压缩数据来提高效率，能够在处理大型数据时，节省大量的计算资源，并在某些数据生成任务中优于Transformer。

Cartesia的伦理问题和应对措施

Cartesia开发的Sonic模型，能够克隆人声或生成新的语音，并调整语音的语气和节奏。这项技术引发了伦理争议，尤其是在声纹克隆和隐私保护方面。Goel承认，Cartesia的Sonic模型训练过程中使用了包含未经授权版权书籍的数据集“Pile”，这在某些情况下可能涉及版权问题。

为了解决这些问题，Goel表示Cartesia正在采用自动和人工审核系统，并在开发语音验证和水印技术方面进行努力，以减少滥用和偏见问题。

Cartesia的商业模式与前景

Cartesia的主要收入来源是Sonic的API服务，客户包括Goodcall等自动呼叫应用。Cartesia提供免费试用，但收费计划则根据使用量而定，最高可达到每月299美元。Goel强调，用户可以选择是否让其数据用于训练模型，且Cartesia为大企业客户提供定制的数据保留政策。

Cartesia的技术不仅为游戏和语音配音等领域提供支持，还推出了优化版Sonic On-Device，能够在手机等移动设备上实时运行，进行语音翻译等应用。

总结与展望

Cartesia凭借其创新的SSM架构，在提高AI处理效率和降低成本方面展现出巨大潜力。尽管面临伦理问题和竞争压力，但其技术优势和商业模式使其在市场中占据一席之地。随着Sonic和其他产品的不断发展，Cartesia有望成为未来多模态AI应用的领军者。

名词解释

• SSM（状态空间模型）: 一种新型AI架构，通过压缩历史数据来提高计算效率，适用于大规模数据处理。

• Transformer: 一种广泛应用的AI架构，处理数据时通过逐步更新“隐藏状态”来记住先前的数据。

• Pile: 一个开源的数据集，包含大量的未授权版权书籍，常被AI公司用于训练模型。

• API: 应用程序接口，一种允许不同软件之间进行交互的技术。

2024年相关大事件

• 2024年12月: Cartesia成功融资2200万美元，进一步推动其SSM技术的商业化应用。

• 2024年8月: Cartesia推出Sonic On-Device版本，支持在移动设备上进行实时语音翻译。