Chroma 1.0是FlashLabs推出的首款开源实时端到端语音对话模型，该模型创新采用语音理解与生成紧密耦合架构，搭配1:2文本-音频token调度策略，可达成亚秒级输出；仅需几秒参考音频，就能精准复刻说话人音色，speaker相似度较人类基线提升10.96%。

Sonic-3是Cartesia推出的新一代实时语音交互引擎，该引擎突破传统技术框架，在低延迟交互、多语言覆盖、智能上下文理解等核心能力上实现重大突破，同时提供灵活部署与企业级安全保障，赋能多领域语音交互场景创新。