进阶 deepgram.com 2026-11-12 17:02:07 · 21 阅读

第4章 Deepgram 推出音频智能模型:情感分析、意图识别与主题检测

公告

推出用于情感、意图和主题检测的新音频智能模型

作者:Deepgram,2024年2月15日

TL;DR(太长不看版):

我们已通过新的音频智能模型增强了语音 AI 平台,提供对话交互中的口语理解和语音分析功能。与基于 LLM 的替代方案相比,我们的模型速度更快、效率更高,并使用超过 60K 个领域特定对话进行了微调,从而能够大规模精准地评分情感、识别来电者意图并执行主题检测。

有关我们新情感分析、意图识别和主题检测模型的更多信息,请参阅我们的 API 文档、产品页面以及即将举行的产品演示网络研讨会。

Deepgram 音频智能:从语音中提取洞察和理解

自去年夏天推出首个面向语音摘要的专用任务语言模型(TSLM)以来,我们很高兴宣布大幅扩展了音频智能产品线。此次发布包含用于高层自然语言理解任务的模型,涵盖情感分析、意图识别和主题检测。

与 OpenAI 和 Google 等公司提供的千亿参数通用大语言模型(LLM)不同,我们的模型轻量、目标驱动,并在特定领域和任务的对话数据集上进行了微调。结果如何?在专业主题上拥有卓越的准确性、闪电般的速度以及低成本推理,使得高吞吐量、低延迟的使用场景变得可行,例如联络中心和销售赋能应用。

Deepgram 语音 AI 平台

尽管数字化转型和全渠道客户服务策略的采用取得了持续进展,语音仍然是首选且使用频率最高的客户沟通渠道。因此,领先的服务机构正越来越多地转向 AI 技术,如新一代语音转文本、高级语音分析和对话式 AI 代理(即语音机器人),以最大化该重要渠道的效率和效果。但是,使用快速、高效、准确的语音识别转录语音交互只是开始。企业需要的不仅是知道谁在什么时候说了什么,更需要关于说了什么以及为何如此说的丰富洞察。实时且大规模地提取这些洞察,对于改善坐席处理和优化任何特定交互中的下一步行动至关重要。

作为全栈语音 AI 平台提供商,Deepgram 致力于开发客户创建强大语音 AI 体验所需的基础组件,适用于多种使用场景。此类平台的主要组件对应于对话交互的主要阶段。这些阶段包括:

  • 感知(Perceive):使用感知型 AI 模型(如语音转文本)准确地将对话音频转录为文本。
  • 理解(Understand):使用实现智能自然和口语理解任务的抽象型 AI 模型,如摘要和情感分析。
  • 交互(Interact):使用生成式 AI 模型(如文本转语音和大型语言模型 LLM)与人类说话者进行互动,就像与他人交流一样。

图 1:Deepgram 语音 AI 平台

Deepgram 长期以来在市场上因其行业领先的转录能力而备受认可。但我们许多客户一直在寻求能够执行高层 NLU 任务的语音智能模型,例如通话摘要、分析说话者情感和检测主题及来电者意图。他们强烈希望有一个单一供应商能够满足其所有语音 AI 需求。通过今天的发布,我们在提供领先的语音转文本服务的同时,还提供了世界级的对话智能能力——全部通过单个 API 实现。

支持我们智能 API 的是专用任务语言模型(TSLMs),这是一种小型语言模型(SLM)技术,专门针对对话交互进行了优化,并使用了超过 60K 个高质量对话进行训练。这使得它们在支持实时企业应用时,具有语境准确性、极高的响应速度和成本效益。

Deepgram 音频智能

通过此次发布,我们的客户可以通过与提供转录相同的 API 访问我们的音频智能功能,只需在调用 Deepgram 的 /listen 端点时,在查询字符串中使用相应的参数即可。API 将随转录响应返回相应的智能结果。音频智能模型包括:

  • 摘要(Summarization):准确捕捉对话的精髓,包括关于来电原因、坐席回复和下一步操作的上下文信息。
  • 情感分析(Sentiment Analysis):识别整个对话的情感(附带置信度分数),并通过为每个单词、句子、话语和段落评分情感值,识别交互过程中情感的转变。
  • 意图识别(Intent Recognition):识别整个转录中说话者的意图,提供文本片段及其对应的意图标签和置信度分数列表。
  • 主题检测(Topic Detection):识别对话中的主要主题,提供文本片段列表,以及每个片段中发现的相应主题和置信度分数。

“我们选择 Deepgram,是因为他们在语音转文本和音频智能功能方面的表现最佳,毫无妥协,在质量、速度和成本方面均表现出色。”


——Kylie de Boer 博士,daisee CEO
价值与应用场景联络中心行业正迅速采用 AI 进行通话分析,以降低成本、提升客户满意度。Gartner 的研究发现,理解客户对品牌体验的期望,是提升品牌忠诚度和满意度的关键。如今客户通过电话、社交媒体、聊天机器人等多种渠道与企业互动,由此产生的数据量非常庞大。他们期望获得一致的体验:无论在哪个平台,个性化互动都能无缝衔接。快速解读这些数据,对于提供卓越的客户服务和推动业务增长至关重要。 我们基于 TSLM 的模型轻量、快速且高效,可通过与我们业界领先的语音识别服务相同的 API 访问。这些模型能帮助开发者快速洞察客户情绪、话题和意图的趋势,从而改善用户体验。它们支持精准的客服培训、突出问题症结、提升运营效率,并基于过往对话摘要以及对话题和情绪变化的实时分析,提供个性化、具备上下文感知能力的互动。 Deepgram 的 Audio Intelligence 能帮助联络中心和销售平台从海量对话中高效提炼关键洞察,简化需要进一步分析和跟进的通话的筛选流程,节省时间和资源,并通过精准定位改进方向来支持有针对性的客服辅导。了解更多信息,请访问我们的 API Documentation,或前往产品页面深入了解 Audio Intelligence 模型的细节。我们还将在一场产品展示网络研讨会上,由 Deepgram 专家深入讲解最新产品功能,包括新的智能模型。欢迎在此免费报名。
如果您对本文有任何反馈,或想了解 Deepgram 的其他信息,欢迎与我们联系。您也可以通过 GitHub discussions 留言,或联系我们与产品专家沟通,获取更多详情。 相关文章 查看全部 Francisco Sousa Machado GTM 负责人 - 西班牙 Nova-3:让您的西班牙语呼叫中心为 Ley 10/2025 做好充分准备 公告 Abe Pursell 高级副总裁,全球业务拓展与合作 Deepgram Marketplace:语音 AI 的开放生态系统 公告 Ed Anuff 首席产品官 保持话题连贯的语音智能体 公告 Deepgram Deepgram 将收购 Daily(Pipecat 的开发商),以提供首个完整、可直接用于生产环境的开源对话式语音 AI 技术栈 公告

评论 (0)