Deepgram: Aura-2

Deepgram: Aura-2 é um modelo de conversão de texto em fala da Deepgram, listado no api14 sob a categoria speech. A Deepgram é o fornecedor por trás do modelo, e o Aura-2 é construído em torno do catálogo de vozes canónico Aura-2 da Deepgram para síntese de fala. Se já trabalha com a linha de vozes da Deepgram, esta é a mesma família de vozes exposta através do api14, e não uma variante separada ou renomeada.

O modelo recebe texto como única entrada e produz fala como única saída. É multilingue, com vozes que abrangem inglês, francês, espanhol, alemão, italiano, neerlandês e japonês. A lista de vozes é longa e inclui opções com nome, como aura-2-thalia-en, aura-2-agathe-fr, aura-2-agustina-es, aura-2-aurelia-de, aura-2-cesare-it, aura-2-beatrix-nl e aura-2-ama-ja, entre muitas outras. Não há qualquer valor de janela de contexto publicado para este modelo, nem parâmetros de pedido suportados listados, por isso trate-o como um endpoint de síntese focado, e não como um modelo de texto geral.

Como a saída é áudio e a entrada é texto simples, os usos práticos decorrem diretamente dessa forma. Pode gerar versões faladas de conteúdo escrito, como artigos, documentação ou notificações. O conjunto de vozes multilingue torna-o adequado para produtos que servem vários mercados linguísticos a partir de uma única integração, por exemplo, instruções de aplicações localizadas, mensagens no estilo IVR ou material de aprendizagem narrado. Escolher uma voz por idioma ou por persona é uma questão de selecionar o id de voz correspondente no catálogo.

Para o chamar através do api14, use a API compatível com OpenAI com o id de modelo "deepgram/aura-2". Como o api14 segue a forma de pedido da OpenAI, envia o seu texto e seleciona uma voz do catálogo Aura-2 no pedido. Não estão listados parâmetros suportados adicionais para este modelo, por isso mantenha o pedido mínimo e baseie-se no id do modelo mais a voz escolhida. A tabela de preços em direto da página cobre a faturação, por isso consulte-a para obter as tarifas atuais.

Um aspeto a ter em conta é o âmbito. O Aura-2 apenas converte texto em fala. Não aceita entrada de áudio, por isso transcrição, tradução de áudio ou trabalho de fala para fala estão fora do que este modelo faz. Se a sua tarefa é geração de texto, raciocínio ou qualquer coisa além da síntese, um modelo diferente no api14 será mais adequado. Dentro da própria síntese de fala, a principal decisão é qual das muitas vozes corresponde ao seu idioma e tom.