Deepgram: Aura-2

Deepgram: Aura-2 ist ein Text-zu-Sprache-Modell von Deepgram, gelistet auf api14 unter der Kategorie speech. Deepgram ist der Anbieter hinter dem Modell, und Aura-2 basiert auf Deepgrams kanonischem Aura-2-Stimmkatalog für Sprachsynthese. Wenn Sie bereits mit Deepgrams Stimmenauswahl arbeiten, ist dies dieselbe Stimmenfamilie, die über api14 bereitgestellt wird, und keine separate oder umbenannte Variante.

Das Modell nimmt Text als einzige Eingabe und erzeugt Sprache als einzige Ausgabe. Es ist mehrsprachig, mit Stimmen für Englisch, Französisch, Spanisch, Deutsch, Italienisch, Niederländisch und Japanisch. Die Stimmenliste ist lang und enthält benannte Optionen wie aura-2-thalia-en, aura-2-agathe-fr, aura-2-agustina-es, aura-2-aurelia-de, aura-2-cesare-it, aura-2-beatrix-nl und aura-2-ama-ja, neben vielen weiteren. Für dieses Modell ist keine Kontextfenstergröße veröffentlicht, und es sind keine unterstützten Anfrageparameter aufgeführt, behandeln Sie es also als fokussierten Synthese-Endpunkt und nicht als allgemeines Textmodell.

Da die Ausgabe Audio und die Eingabe reiner Text ist, ergeben sich die praktischen Einsatzmöglichkeiten direkt aus dieser Form. Sie können gesprochene Versionen von geschriebenen Inhalten wie Artikeln, Dokumentationen oder Benachrichtigungen erzeugen. Das mehrsprachige Stimmen-Set macht es geeignet für Produkte, die mehrere Sprachmärkte aus einer Integration bedienen, zum Beispiel lokalisierte App-Eingabeaufforderungen, IVR-artige Nachrichten oder vertonte Lernmaterialien. Die Auswahl einer Stimme pro Sprache oder pro Persona ist eine Frage der Auswahl der passenden voice id aus dem Katalog.

Um es über api14 aufzurufen, verwenden Sie die OpenAI-kompatible API mit der model id "deepgram/aura-2". Da api14 der OpenAI-Anfrageform folgt, senden Sie Ihren Text und wählen eine Stimme aus dem Aura-2-Katalog in der Anfrage. Für dieses Modell sind keine zusätzlichen unterstützten Parameter aufgeführt, halten Sie die Anfrage also minimal und verlassen Sie sich auf die model id plus Ihre gewählte Stimme. Die Live-Preistabelle der Seite deckt die Abrechnung ab, prüfen Sie dort die aktuellen Tarife.

Eines sollten Sie beim Umfang beachten. Aura-2 wandelt nur Text in Sprache um. Es akzeptiert keine Audioeingabe, daher liegen Transkription, Übersetzung von Audio oder Sprache-zu-Sprache-Arbeit außerhalb dessen, was dieses Modell leistet. Wenn Ihre Aufgabe Textgenerierung, Reasoning oder etwas jenseits der Synthese ist, passt ein anderes Modell auf api14 besser. Innerhalb der Sprachsynthese selbst ist die Hauptentscheidung, welche der vielen Stimmen zu Ihrer Sprache und Ihrem Ton passt.