Deepgram: Flux TTS

Deepgram: Flux TTS är en text-till-tal-modell från Deepgram, en leverantör som är känd för infrastruktur för tal och ljud. Den tillhör kategorin tal och är byggd specifikt för att omvandla skriven engelsk text till talat ljud. Om du redan dirigerar andra Deepgram-modeller genom api14 kommer den här från samma leverantör och följer samma allmänna användningsmönster.

Modellen tar text som enda indata och producerar tal som enda utdata, så det är en syntesmodell med ett enda syfte snarare än en allmän chatt- eller resonemangsmodell. Den är utformad för naturligt, uttrycksfullt engelskt tal. Flux-röstkatalogen är stor: 36 röster är tillgängliga, inklusive 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 och flux-wes-en. Ingen kontextlängd publiceras för den här modellen, och detaljlistan anger maxOutput som 0, så betrakta den enbart som en syntesändpunkt snarare än något du skickar långa konversationer till.

De praktiska användningsområdena följer direkt av text in, tal ut. Du kan generera voiceovers för videor eller berättade genomgångar, producera ljudversioner av artiklar eller dokumentation, bygga talade prompter och aviseringar för appar och telefonsystem, eller lägga till berättarröst i tillgänglighetsfunktioner. Eftersom många olika röster medföljer modellen kan du välja olika talare för olika delar av en produkt, till exempel en lugn röst för instruktioner och en varmare för konversationssvar, utan att lämna samma modell.

Att anropa den via api14 fungerar som vilken annan OpenAI-kompatibel begäran som helst: skicka din text till speech-ändpunkten och ange modell-id:t till "deepgram/flux-tts". Välj en röst från Flux-listan för att styra talaren. Observera att listan över parametrar som stöds är tom, så du bör inte anta att extra justeringsalternativ som kontroller för hastighet, tonhöjd eller stil finns tillgängliga här. Håll dig till de dokumenterade fälten och röstvalet.

Eftersom ingen kontextlängd publiceras och maxOutput är 0 är den här modellen inte rätt val för uppgifter som kräver förståelse av lång text, resonemang, översättning eller någon annan utdata än ljud. Om du behöver det bör du använda en text- eller multimodala chattmodell i stället. Flux TTS hanteras bäst som en fokuserad komponent i en pipeline: text kommer in, engelskt tal kommer ut.