Deepgram: Flux TTS

Deepgram: Flux TTS es un modelo de texto a voz de Deepgram, un proveedor conocido por su infraestructura de voz y audio. Se ubica en la categoría de voz y está diseñado específicamente para convertir texto escrito en inglés en audio hablado. Si ya enrutas otros modelos de Deepgram a través de api14, este proviene del mismo proveedor y sigue el mismo patrón general de uso.

El modelo toma texto como su única entrada y produce voz como su única salida, por lo que es un modelo de síntesis de propósito único en lugar de un modelo general de chat o razonamiento. Está diseñado para voz en inglés natural y expresiva. El catálogo de voces de Flux es amplio: hay 36 voces disponibles, incluidas flux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en y flux-wes-en. No se publica ninguna longitud de contexto para este modelo, y los detalles listan maxOutput como 0, así que trátalo puramente como un endpoint de síntesis en lugar de algo a lo que envías conversaciones largas.

Los usos prácticos se derivan directamente de texto que entra, voz que sale. Puedes generar locuciones para videos o recorridos narrados, producir versiones de audio de artículos o documentación, crear indicaciones habladas y notificaciones para aplicaciones y sistemas telefónicos, o añadir narración a funciones de accesibilidad. Debido a que el modelo incluye muchas voces distintas, puedes asignar diferentes hablantes para distintas partes de un producto, como una voz calmada para instrucciones y una más cálida para respuestas conversacionales, sin salir del mismo modelo.

Llamarlo a través de api14 funciona como cualquier otra solicitud compatible con OpenAI: envía tu texto al endpoint de voz y establece el id del modelo como "deepgram/flux-tts". Elige una voz de la lista de Flux para controlar el hablante. Ten en cuenta que la lista de parámetros admitidos está vacía, así que no debes asumir que aquí se exponen opciones de ajuste adicionales como controles de velocidad, tono o estilo. Cíñete a los campos documentados y a la selección de voz.

Debido a que no se publica ninguna longitud de contexto y maxOutput es 0, este modelo no es la opción adecuada para tareas que requieren comprensión de texto largo, razonamiento, traducción o cualquier salida que no sea audio. Si necesitas eso, usa un modelo de chat de texto o multimodal en su lugar. Lo mejor es tratar a Flux TTS como un componente enfocado dentro de un pipeline: entra texto, sale voz en inglés.