待验证50% 置信事实精确时间

Cartesia核心技术基于状态空间模型（State Space Model，SSM），有别于主流TTS广泛采用的Transformer架构

1

来源数

50%

置信度

长期有效

时效性

2026/9/26

首次发现

来源

Lisen：用Cartesia语音免费朗读任意网页文章

涉及实体

Cartesiacompany State Space Modelconcept Transformerconcept

相关事实

待验证状态空间模型（SSM）推理时内存占用和计算量均为O(1)，而Transformer的KV缓存随序列长度线性增长66% 相似已验证Mamba 等基于状态空间模型（SSM）的架构以线性复杂度实现序列建模，更适合实时推理61% 相似待验证当前文生图主流技术路线包括基于扩散模型的方法和基于自回归Transformer的方法61% 相似待验证Transformer架构已成为前沿大模型的事实标准，各家在模型结构上的差异化空间有限59% 相似已验证现代时序基础模型通常采用改进的Transformer架构，通过分离的注意力机制或通道混合模块分别建模时间维度和变量维度依赖58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/952081

API

curl https://kongchang.com/api/v1/knowledge/claims/952081

MCP

get_claim(id=952081)