Deepgram: Flux TTS

Deepgram : Flux TTS est un modèle de synthèse vocale de Deepgram, un fournisseur connu pour son infrastructure de parole et d'audio. Il appartient à la catégorie parole et est conçu spécifiquement pour transformer du texte anglais écrit en audio parlé. Si vous acheminez déjà d'autres modèles Deepgram via api14, celui-ci provient du même fournisseur et suit le même schéma général d'utilisation.

Le modèle prend le texte comme seule entrée et produit de la parole comme seule sortie, il s'agit donc d'un modèle de synthèse à usage unique plutôt que d'un modèle de chat ou de raisonnement général. Il est conçu pour une parole anglaise naturelle et expressive. Le catalogue de voix Flux est vaste : 36 voix sont disponibles, notamment 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 et flux-wes-en. Aucune longueur de contexte n'est publiée pour ce modèle, et les détails indiquent maxOutput à 0, donc traitez-le purement comme un point de terminaison de synthèse plutôt que comme quelque chose auquel vous envoyez de longues conversations.

Les usages pratiques découlent directement du principe texte en entrée, parole en sortie. Vous pouvez générer des voix off pour des vidéos ou des tutoriels narrés, produire des versions audio d'articles ou de documentation, créer des invites parlées et des notifications pour des applications et des systèmes téléphoniques, ou ajouter une narration à des fonctionnalités d'accessibilité. Comme de nombreuses voix distinctes sont fournies avec le modèle, vous pouvez attribuer différents locuteurs à différentes parties d'un produit, par exemple une voix calme pour les instructions et une voix plus chaleureuse pour les réponses conversationnelles, sans quitter le même modèle.

L'appeler via api14 fonctionne comme toute autre requête compatible OpenAI : envoyez votre texte au point de terminaison speech et définissez l'id du modèle sur "deepgram/flux-tts". Choisissez une voix dans la liste Flux pour contrôler le locuteur. Notez que la liste des paramètres pris en charge est vide, vous ne devez donc pas supposer que des options de réglage supplémentaires telles que le contrôle de la vitesse, de la hauteur ou du style sont exposées ici. Tenez-vous-en aux champs documentés et à la sélection de la voix.

Comme aucune longueur de contexte n'est publiée et que maxOutput est à 0, ce modèle ne convient pas aux tâches qui nécessitent une compréhension de textes longs, du raisonnement, de la traduction ou toute sortie autre que de l'audio. Si vous avez besoin de cela, utilisez plutôt un modèle de chat texte ou multimodal. Flux TTS est mieux traité comme un composant ciblé dans un pipeline : le texte entre, la parole anglaise sort.