Deepgram Aura:最强的文本转语音模型，人工智能客服时代真的来了

项目简介

Deepgram即将推出一款名为Aura的新型文本转语音（TTS）API，专为实时语音AI代理设计。这款API的特点是提供接近人类的高质量对话，速度和效率优于目前市面上所有的语音AI解决方案。Aura的开发依托Deepgram多年在语音识别和语言理解领域的经验，旨在解决速度、成本、可靠性和对话质量方面的难题。目前，Deepgram已开放Aura的等待名单，供用户注册体验。

视频

项目背景

这一年来，大型语言模型（LLMs）迅速普及，人们对其潜力表现出浓厚兴趣。声音界面将成为主要的LLMs访问方式。以下是一些支持这一观点的最新动态：

传统语音笔记正受到青睐；
调查显示，多数人仍偏好电话解决客户服务问题；
配备持续监听和语音AI技术的可穿戴设备日益流行；
OpenAI最近使ChatGPT支持语音交互；
对以声音为主的体验和工具的兴趣激增。

ChatGPT和LLM时代的到来，使得对话AI技术栈得以发展，支持与人自然交互的语音驱动AI助手和代理。客户对目前语音AI供应商表示不满，主要是因为速度、成本、可靠性和对话质量问题。因此，推出了TTS API——Deepgram Aura，专为实时、对话式语音AI代理打造。

使用

Deepgram将很快为开发者提供完整的语音AI平台，结合其业界领先的Nova-2语音转文字API和即将推出的Aura文本转语音API，为他们构建高吞吐量、实时AI代理提供必要的构建块。Deepgram对初期开发者组使用Aura取得的进展感到兴奋，并向少数合作伙伴提供了有限访问权限，以便他们立即开始与Aura集成。Deepgram将根据他们的反馈，继续完善语音套件和API功能，并确保其生产级应用的顺利推出。

点击文章最后的链接，立即加入等待名单，成为首批尝试Aura的人！

客户需求

客户的需求在于高质量生产和高吞吐量两个领域。高质量生产着重于打造完美的声音，适用于视频游戏或有声书等场景。高吞吐量处理大量快速、一次性的实时对话，如快餐订餐或预约服务。Aura的目标是制作能反映自然人类对话的文本转语音技术，包括及时响应、语气词的使用、以及根据对话情境调整语调和情绪。初步测试表明，Aura在自然度上超过了其他主要选项，甚至在某些情况下超过了人类发言者。