进阶 deepgram.com 2026-11-12 17:02:07 · 24 阅读

第10章 Anam 借助 Deepgram Flux STT 解决虚拟形象对话轮替难题

第10章 Anam 利用 Deepgram Flux STT 解决虚拟形象的对话轮替问题

Anam 利用 Flux STT 解决非脚本化虚拟形象对话中的轮替难题

作者:Emily Coleman | 2026年10月14日

Emily Coleman,客户营销高级产品营销经理

Anam 构建面向客户代理、培训和模拟场景的高保真实时交互虚拟形象。在经过将 Flux 与开源及自研流水线进行 A/B 测试后,Anam 部署了自托管的 Flux,在不增加 P95 延迟的前提下,将非预期的虚拟形象插话(barge-in)减少了约 50%。

关于 Anam

Anam 为智能体构建“面部”层。其高保真、情感表达丰富的交互虚拟形象,结合亚秒级响应时间与 API 优先的部署方式,在所有独立的虚拟形象基准测试中均排名第一。70% 的用户更倾向于使用它们,而非纯语音或基于文本的界面。这种体验的成败关键在于一点:虚拟形象能否维持自然、实时的来回对话,并带来如同与人类交谈般自然且引人入胜的感觉。为了大规模交付这一体验,Anam 需要一种专为对话轮替构建、且可在其自有基础设施上部署的语音转文本(STT)基础。

关键成果

* 在 Anam 自己的 A/B 测试中,非预期的虚拟形象插话减少约 50% * 无延迟惩罚,P95 在所有受测方案中保持持平 * 运行 Flux 的英文会话中,轮替相关的投诉显著减少 * 自托管生产环境上线仅需 2 周,Deepgram 托管版本只需几天

挑战:非脚本化对话中的自然轮替

每个交互型虚拟形象都必须每分钟多次回答一个看似简单实则艰难的问题:用户是已经说完话了,还是仅仅在思考时停顿?客户将这一问题描述为虚拟形象“耳朵”的问题:虚拟形象需要表现出正在认真倾听,而不仅仅是转录音频。

Anam 需要一种专为对话轮替打造的语音转文本(STT)模型。由于 Anam 运行对延迟敏感、高并发的负载,任何解决方案都必须能部署在其自有基础设施上,而不能通过第三方云增加网络跳转。

> “在构建实时虚拟形象时,轮替质量不仅仅是另一个后端指标。如果虚拟形象停顿过长、打断他人发言,或错过响应时机,这种逼真感会瞬间破碎。” > — Ben Carr,CTO

为什么 Deepgram 胜出

Anam 通过 A/B 测试评估 Flux,对比对象是他们最熟悉的替代品:一种可在自有技术栈上运行的自托管开源语音转文本方案。评估非常具体,根据语音智能体的关键指标进行评分,包括转录响应的延迟和非预期中断的数量,随后进行端到端的内部测试,整个 Anam 团队与智能体角色进行对话。

在每种说话风格下的轮替准确性、低轮末延迟、对背景噪声的韧性、在 Anam 自有 Kubernetes 集群上自托管的能力,以及随业务增长扩展的并发性能,都是硬性要求。

Anam 让 Flux 与开源方案进行直接对决,结果显而易见。Flux 处理了开源模型无法应对的对话边缘情况,同时满足了 Anam 自行拥有并运行部署的需求。

> “我们对 Flux 与我们自研的级联流水线、竞争对手方案以及开源方案进行了严格的现实世界 A/B 测试。在多样的说话风格和音频条件下,Flux 在延迟和非预期虚拟形象插话方面始终表现更优。” > — Ben Carr,CTO

解决方案:Deepgram Flux STT

在与 Anam 虚拟形象的对话中,终端用户的音频流传输至 Flux,Flux 实时转录语音,并且关键在于,它会在用户真正完成发言时发出信号。Anam 技术栈的其余部分——语言模型和语音输出——都建立在这个时间基准之上。

生产环境中的三个重要差异化优势:

* 允许停顿:说话者可以在思考中途停下,而虚拟形象不会贸然插话。这是语速较慢的说话者和角色扮演场景所需要的。 * 轮末检测迅速:虚拟形象能够及时开始响应,避免冷场。 * 过滤非用户声音:系统会忽略非用户的声音,例如狗吠不再被识别为新的发言轮次。

Anam 在 H100 GPU 支持的自有 Kubernetes 集群上部署了自托管 Flux,使用了与其平台其余部分相同的基础设施。经过验证后,他们将 Flux 轮替功能推给了 100% 的即服务(turnkey)用户。部署过程并不漫长;托管版 Deepgram 从初次测试到生产上线仅耗时数天,而自托管部署大约花了两周。

> “Flux 对我们来说是质的飞跃。它在保持 P95 延迟与我们最佳自研及竞品方案相当的同时,将虚拟形象的非预期插话减少了一半左右。这种改进是用户能切实感受到的。” > — Ben Carr,CTO

结果

部署 Flux 后,最明显的成功信号来自其客户。在运行 Flux 的英文会话中,关于虚拟形象轮替准确性的投诉降至接近零。

> “在引入 Flux 之前,我们不得不在缓慢的延迟和非预期的虚拟形象中断之间做出选择。自从在支持流程中采用 Flux 后,我们不再看到这两类投诉。最大的改进在于轮替的质量:虚拟形象感觉像是在倾听、等待,并在正确的时机做出回应。” > — Ben Carr,CTO

一些原本使用自己语音转文本服务的客户转而采用了 Anam 的即服务体验。使用自带 STT 的客户处于流水线之外,这限制了 Anam 对对话质量的控制范围。而在即服务路径下,对话质量的提升是作为产品的一部分直接提供的,而不是每个客户都需要自行工程化解决的问题。

这也带来了 Anam 客户方面的更佳成果。企业利用 Anam 驱动面向客户的 AI 智能体以及培训和模拟体验,参与度提升 44%,采用速度加快 2 倍,当将其加入销售周期时,转化率提升 25% 以上。

展望未来

在未来一年,Anam 预计虚拟形象体验将变得更加多语言、情感表达更丰富、可配置性更强,并更深入地嵌入实际业务工作流中。

Deepgram 作为实时对话层的关键组成部分,融入了 Anam 的路线图。随着 Flux 扩展语言覆盖范围,Anam 预计默认使用它的场景会更广泛。他们还在评估 Deepgram 的 Flux TTS 服务,着眼于下一代语音质量和实时虚拟形象存在感。

> “Deepgram 和 Anam 都在朝着同一个未来迈进:感觉自然、响应迅速且具有人性感的实时 AI 交互。这种契合使我们的合作显得非常务实且以产品为导向。” > — Ben Carr,CTO

相关文章

查看全部

Francisco Sousa Machado,GTM 负责人 - 西班牙

* 使用 Nova-3 让您的西班牙语呼叫中心为 2025 年 10 月法规(Ley 10/2025)做好准备 * Deepgram 市场:语音 AI 的开放生态系统 * 保持对话线索不断的语音智能体 * Deepgram 收购 Pipecat 的开发商 Daily,以提供首个完整的、生产就绪的、开放的对话式语音 AI 堆栈

评论 (0)