Deepgram: Aura-2

Deepgram: Aura-2 är en text-till-tal-modell från Deepgram, listad på api14 under kategorin speech. Deepgram är leverantören bakom modellen, och Aura-2 är byggd kring Deepgrams kanoniska Aura-2-röstkatalog för talsyntes. Om du redan arbetar med Deepgrams röstutbud är detta samma familj av röster som exponeras via api14 snarare än en separat eller omdöpt variant.

Modellen tar text som sin enda indata och producerar tal som sin enda utdata. Den är flerspråkig, med röster som spänner över engelska, franska, spanska, tyska, italienska, nederländska och japanska. Röstlistan är lång och innehåller namngivna alternativ som aura-2-thalia-en, aura-2-agathe-fr, aura-2-agustina-es, aura-2-aurelia-de, aura-2-cesare-it, aura-2-beatrix-nl och aura-2-ama-ja, bland många andra. Det finns ingen publicerad siffra för kontextfönster för denna modell, och inga stödda förfrågningsparametrar listas, så betrakta den som en fokuserad syntesändpunkt snarare än en allmän textmodell.

Eftersom utdata är ljud och indata är vanlig text följer de praktiska användningsområdena direkt av den formen. Du kan generera talade versioner av skriftligt innehåll som artiklar, dokumentation eller aviseringar. Den flerspråkiga röstuppsättningen gör den lämplig för produkter som betjänar flera språkmarknader från en enda integration, till exempel lokaliserade appuppmaningar, IVR-liknande meddelanden eller berättat inlärningsmaterial. Att välja en röst per språk eller per persona handlar om att välja matchande röst-id från katalogen.

För att anropa den via api14, använd det OpenAI-kompatibla API:et med modell-id "deepgram/aura-2". Eftersom api14 följer OpenAI:s förfrågningsform skickar du din text och väljer en röst från Aura-2-katalogen i förfrågan. Inga ytterligare stödda parametrar listas för denna modell, så håll förfrågan minimal och förlita dig på modell-id:t plus din valda röst. Sidans live-pristabell täcker fakturering, så kontrollera där för aktuella priser.

En sak att ha i åtanke är omfattningen. Aura-2 konverterar bara text till tal. Den accepterar inte ljudindata, så transkribering, översättning av ljud eller tal-till-tal-arbete ligger utanför vad denna modell gör. Om din uppgift är textgenerering, resonemang eller något bortom syntes passar en annan modell på api14 bättre. Inom talsyntesen själv är det huvudsakliga beslutet vilken av de många rösterna som matchar ditt språk och din ton.