Ink: 가장 빠르고 정확한 음성 텍스트 변환 모델

Ink-2는 프로덕션 음성 에이전트를 위해 설계된 Cartesia의 스트리밍 음성 텍스트 변환 모델입니다. TTS와 마찬가지로 스탠퍼드에서 창업팀이 개척한 상태 공간 모델 SSM 아키텍처를 기반으로 하며, 덕분에 다음 세 가지를 동시에 제공합니다.

스트리밍 STT 모델 중 가장 낮은 WER. Ink-2는 전화번호, 이메일, UUID 같은 영숫자를 포함해 통화 녹음, 억양이 있는 음성, 소음 환경, 실적 발표 통화에서 Deepgram Flux, Soniox RT-V4, AssemblyAI RT Pro, ElevenLabs Scribe-2-realtime 및 다른 프로덕션 스트리밍 모델보다 뛰어난 성능을 보입니다.

최고 수준의 발화 차례 감지 내장. Ink-2는 발화 종료 감지가 모델에 통합되어 있어 스택에 Silero 같은 별도의 차례 감지 모델이 필요하지 않습니다. 의존성은 줄고 지연 시간은 낮아지며 차례 감지는 더 정확해집니다.

배경 소음 대응 내장. Ink-2는 Krisp나 다른 오디오 필터 없이도 배경 소음에 잘 대응해 스택의 비용과 지연 시간을 줄입니다.

아니요. 이는 팀들이 Ink-2로 전환하는 주요 이유 중 하나입니다.

발화 차례 처리가 내장되어 있습니다. 대부분의 STT 모델은 사용자가 말을 마쳤는지 알기 위해 Silero 같은 외부 차례 감지기가 필요합니다. Ink-2는 이를 기본적으로 처리하며 별도 모델을 실행하는 것보다 빠르고 정확합니다.

배경 소음 대응이 내장되어 있습니다. 대부분의 음성 에이전트는 배경 소음을 제거하려고 STT 위에 Krisp나 유사 오디오 필터를 추가해 비용, 지연 시간, 복잡성이 늘어납니다. Ink-2는 추가 설정 없이 배경 소음에 대응합니다.

스택의 모델 수가 적으면 지연 시간과 비용이 줄고 장애 지점도 감소합니다.

네. Ink-2는 다음과 같이 배포할 수 있습니다.

에어갭 환경을 포함한 자체 데이터센터의 온프레미스

AWS, GCP, Azure의 자체 VPC

제품에 Ink-2를 직접 내장하는 OEM 라이선스

이 덕분에 Ink-2는 정부 계약, 의료·금융 서비스·보험 같은 규제 산업, 데이터 주권이나 저장 위치 요구사항이 있는 고객에게 적합합니다. 온프레미스 및 OEM 배포는 엔터프라이즈 계약으로 제공됩니다.

Ink-2는 영어, 스페인어, 프랑스어, 힌디어, 일본어를 지원합니다.

Ink-2 요금은 초당 3크레딧입니다. 자세한 요금과 대량 할인은 https://www.cartesia.ai/pricing 의 요금 페이지에서 확인할 수 있습니다. 기업 계약에는 사용량과 배포 방식에 따른 맞춤 요금이 포함됩니다.

Cartesia는 자격을 갖춘 초기 기업에 크레딧을 제공하는 스타트업 지원 프로그램도 운영합니다. https://www.cartesia.ai/startups 에서 확인하세요.

다음 중 해당하는 사항이 있으면 Cartesia 팀에 문의하세요.

5,000만 크레딧을 초과하는 대규모 프로덕션 워크로드 운영

온프레미스, VPC, OEM 배포 필요

의료, 금융 서비스, 규제 산업을 위한 BAA, 데이터 무보관, 기타 계약상 규정 준수 조건 필요

정부, 연방정부, 공공 부문 조달

평가, 프로토타이핑, 소규모 프로덕션 워크로드 등 그 밖의 경우에는 셀프서비스 요금제와 https://docs.cartesia.ai/build-with-cartesia/stt-models/latest 의 기술 문서로 시작할 수 있습니다.