Deepgram: Aura-2

Deepgram: Aura-2 to model zamiany tekstu na mowę od Deepgram, wymieniony na api14 w kategorii mowa. Deepgram jest dostawcą stojącym za tym modelem, a Aura-2 jest zbudowany wokół kanonicznego katalogu głosów Aura-2 firmy Deepgram do syntezy mowy. Jeśli już pracujesz z zestawem głosów Deepgram, to ta sama rodzina głosów udostępniona przez api14, a nie osobny ani przemianowany wariant.

Model przyjmuje tekst jako jedyne wejście i generuje mowę jako jedyne wyjście. Jest wielojęzyczny, a głosy obejmują angielski, francuski, hiszpański, niemiecki, włoski, niderlandzki i japoński. Lista głosów jest długa i zawiera nazwane opcje, takie jak aura-2-thalia-en, aura-2-agathe-fr, aura-2-agustina-es, aura-2-aurelia-de, aura-2-cesare-it, aura-2-beatrix-nl oraz aura-2-ama-ja, między wieloma innymi. Dla tego modelu nie opublikowano wartości okna kontekstowego ani nie wymieniono obsługiwanych parametrów żądania, więc traktuj go jako wyspecjalizowany punkt końcowy syntezy, a nie ogólny model tekstowy.

Ponieważ wyjściem jest dźwięk, a wejściem zwykły tekst, praktyczne zastosowania wynikają wprost z tego kształtu. Możesz generować mówione wersje treści pisanych, takich jak artykuły, dokumentacja czy powiadomienia. Wielojęzyczny zestaw głosów sprawia, że nadaje się do produktów obsługujących kilka rynków językowych z jednej integracji, na przykład zlokalizowanych podpowiedzi w aplikacji, komunikatów w stylu IVR lub narracyjnych materiałów edukacyjnych. Wybór głosu na język lub na personę to kwestia wybrania pasującego identyfikatora głosu z katalogu.

Aby wywołać go przez api14, użyj API zgodnego z OpenAI z identyfikatorem modelu "deepgram/aura-2". Ponieważ api14 stosuje kształt żądania OpenAI, wysyłasz swój tekst i wybierasz głos z katalogu Aura-2 w żądaniu. Dla tego modelu nie wymieniono żadnych dodatkowych obsługiwanych parametrów, więc utrzymuj żądanie minimalne i opieraj się na identyfikatorze modelu oraz wybranym głosie. Tabela cen na stronie obejmuje rozliczenia, więc sprawdź tam aktualne stawki.

Jedna rzecz do zapamiętania to zakres. Aura-2 tylko konwertuje tekst na mowę. Nie przyjmuje wejścia audio, więc transkrypcja, tłumaczenie audio lub praca mowa do mowy wykraczają poza to, co robi ten model. Jeśli twoim zadaniem jest generowanie tekstu, rozumowanie lub cokolwiek poza syntezą, lepiej pasować będzie inny model na api14. W samej syntezie mowy główną decyzją jest to, który z wielu głosów pasuje do twojego języka i tonu.