Deepgram推出新API：让跨语言交流不再是梦！

​

Deepgram

在人工智能飞速发展的今天，语音交互技术正在成为我们与机器沟通的主要方式。然而，现有的语音AI技术在速度、成本和对话质量等方面仍存在诸多问题。

为了解决这些痛点，语音识别领域的佼佼者Deepgram公司推出了一款全新的文本转语音模型——Aura API。这项突破性的技术不仅有望彻底改变我们与AI系统的交互方式，更有可能为跨语言交流开辟一条崭新的道路。

Aura API

Aura API

Deepgram 宣布推出文本转语音模型 Aura，并提供其 API。Aura 将高度逼真的语音模型与低延迟 API 相结合，使开发人员能够构建实时的对话式 AI 代理。在大型语言模型 (LLM) 的支持下，这些代理可以在呼叫中心和其他面向客户的情况下代替客户服务代理。

目前 Aura API 主要的功能与优势有：

实时自然对话：API 支持语音代理进行实时、自然的语音交互，能够像人类一样理解、思考并生成语音回应。该功能确保了语音代理可以与用户进行流畅的对话，提升用户体验。

中断处理与结束思维检测：通过先进的结束思维（End-of-Thought, EOT）检测模型，API 能够处理对话中的停顿、中断和长时间的语音输入，确保代理能够在复杂的对话环境中表现良好，不会因为语音输入的间断而误判结束。

高度可定制的开发环境：API 提供了极大的灵活性，开发者可以根据需求选择使用开源、闭源或自定义的大型语言模型（LLM）。这使得 API 适应各种应用场景，从简单的任务处理到复杂的多步骤对话生成。

低延迟与高性能：API 专注于提供低延迟的语音处理，使得响应时间控制在1秒以内，从而确保对话流畅自然，避免常见的语音代理“迟钝”问题。

隐私和安全：API 支持多种部署模式，包括自托管和 VPC，确保满足企业级别的安全性和数据隐私要求，非常适合金融、医疗等高度敏感行业的应用。

集成多种语言模型：API 与不同的大语言模型（如Llama 3和GPT-4）无缝集成，能够利用强大的生成式 AI 进行复杂任务的对话管理、任务执行和信息检索。

实测展示

实测展示

从外网的视频来看，Aura API 实际效果还是很理想的，在整个视频中测试者与 Aura API 沟通起来十分的顺畅自然，并且 Aura API 也正确的理解了测试者的所有对话并给出了会应。哪怕中途你打断了 Aura API 的对话并提出了新的问题 Aura API 依旧能够流畅的回答。

外网评价

计算机科学家和作家 Santiago 也给予了 Aura API 超高的评价：“这是目前最快的文本转语音和语音转文本 API！ 首字节延迟低于 250 毫秒。这就是我们在任何地方部署对话式 AI 应用程序所需要的！”

Deepgram 的 Aura API 无疑是语音交互技术的一个重要里程碑。无论是技术层面还是实测方面都可以说是一次成功的案例。不知道你们觉得 Deepgram 的 Aura API 做的怎么样呢？

 有关厚德云

厚德云致力于为用户提供稳定、可靠、易用、省钱的 GPU 算力解决方案。海量 GPU 算力资源租用，就在厚德云。