Cartesia创始人认为实时语音交互更接近持续状态建模，而非单纯语音生成。
推荐理由：语音交互必须在不断增长的序列中保持低延迟和对话状态，需求不同于离线推理；状态空间模型由此可能比通用Transformer更适合实时代理。
阅读原文