第15章 Deepgram 推出 Aura-2 多语言 TTS:新增荷法德意日五种语言支持
公告 Aura-2 (TTS) 现已支持荷兰语、法语、德语、意大利语和日语
作者:Hasan Jilani,2025年12月15日 Hasan Jilani,产品营销高级总监
分享到 X分享到 LinkedIn以 Markdown 查看在 ChatGPT 中打开在 Claude 中打开在 Perplexity 中打开
Deepgram 扩展其高精度文本转语音 API,为全球市场带来自然流畅、可直接商用的语音基础设施。
文本转语音已成为语音 AI 的基石,支撑着从日程助理、客服代理到多语言自动化的各类应用。Aura-2 不仅具备用户期待的自然逼真的语音效果,更是为严苛的商业场景而设计。除了拟人的语调,它还 prioritizes 清晰度、精确性和响应速度。这些特质对实时语音代理至关重要——在实时场景中,准确性和速度与音质同样重要。
今天,我们很高兴地宣布,Aura-2 新增支持五种语言:
🇳🇱 荷兰语 🇫🇷 法语 🇩🇪 德语 🇮🇹 意大利语 🇯🇵 日语
它们与已有的英语和西班牙语模型一起,为全球化语音应用提供扎实的基础设施。
此次扩展让开发者能够通过我们的 API 提供一致的多语言语音体验,同时不牺牲自然度、发音准确性或低延迟性能。
为什么这些语言对 TTS 很重要
Aura-2 新增的每种语言都有独特的音系和韵律挑战,使高质量 TTS 颇具难度。但准确处理这些细节对商业应用至关重要——清晰的语音能避免代价高昂的错误。
以下是这些语言值得关注的原因:
00:0000:00 样例:"Uw reserveringsnummer is 8 4 9 2 B." EN: Your reservation number is 8492B.
🇳🇱 荷兰语:丰富的元音与大量复合词 荷兰语有长元音、双元音以及超长的复合名词。自然的 TTS 必须正确处理重音位置,在复杂的元音形态之间平滑过渡,同时保证数字信息清晰可辨。
00:0000:00 样例:"Veuillez appeler le 01 23 45 67 89 pour confirmer." EN: Please call 01 23 45 67 89 to confirm.
🇫🇷 法语:联诵、省音与连贯语流 法语大量使用连贯语音(联诵)和吞音(省音)。这要求 TTS 引擎掌握细微的过渡处理,避免听感生硬断裂,尤其在朗读联系电话等数字串时更是如此。
00:0000:00 样例:"Ihr Termin ist für den 24. Mai um 14:30 Uhr bestätigt." EN: Your appointment is confirmed for May 24th at 14:30.
🇩🇪 德语:长复合词与辅音群的精确处理 德语单词长、辅音密集、重音规则固定,要求语音模型发音清晰而不显机械。这对复杂的日程和时间类数据尤为重要。
00:0000:00 样例:"Il numero di riferimento è 1250." EN: "The reference number is 1250."
🇮🇹 意大利语:开元音与音乐般的语调 意大利语 TTS 必须保留语言的旋律感和元音的开合度,同时避免夸张。即使播报涉及金额的事务性信息,Aura-2 也能保持意大利语自然的节奏。
00:0000:00 样例:"認証コード 7 3 9 1 を入力してください。" EN: Please enter authentication code 7391.
🇯🇵 日语:敬语标记、音高重音与混合文字 日语混合使用汉字、假名和外来语,并高度依赖音高重音。Aura-2 确保语句流畅、语调一致。日语也是结构化语音正确性的典型例子——模型需要在日文文字和字母数字编码之间无缝切换。
对话语音的人类偏好测试结果
除了音频样例和系统级性能指标,我们还通过针对对话语音质量的盲测人类偏好评估来检验 Aura-2。
在评估中,人工标注者每次对比三家厂商的语音,选出在客服、访谈、日常对话等对话场景中听感最自然的声音。每次评估产生唯一胜出者,随机基线胜率为 33.3%。
下面的图表展示了各语言的对话表现,反映 Aura-2 与交互式语音应用实际需求的契合程度。
关于本次评估:结果基于针对对话语音提示的盲测人类偏好测试。每次评估对比三家厂商,产生一个受偏好语音(随机基线:33.3%)。图表展示各语言的对话胜率。
结果解读
在上述各语言中,Aura-2 在更看重清晰度、节奏和一致性而非夸张表现力的对话场景中,展现出强劲的偏好优势。
荷兰语:Aura-2 在对话偏好测试中排名第一,在所有受测厂商中胜率最高。
德语、意大利语、西班牙语和日语:Aura-2 始终位居对话语音前列,表明它在多个语系中都能很好地满足客服和交互式语音的预期。
这些结果体现了 Aura-2 对商用对话语音的设计聚焦——语音需要在长时间交互中保持自然、可靠、清晰可懂。
支撑全球化规模的统一基础设施
Aura-2 持续演进,成为面向全球化产品和工作流的统一语音合成基础设施。它不是对所有语言套用同一套韵律模式,而是适配每种语言独特的音系——无论是音高重音、联诵还是复合词重音规则。
对开发者和企业团队而言,这意味着:
通过单一 API 在多元的全球市场中保持一致表现。
对 ID、金额、时间等结构化数据实现高精度发音。
低于 200ms 的延迟,确保流畅的实时对话。
流式负载下高可靠性,即使高并发也能保持稳定性能。
基础设施更简洁,无需为不同语言拼接不同厂商的服务。
快速上手
切换到任何新增支持的语言都很简单,只需在 API 请求中使用相应的语言代码。
Bash bash curl https://api.deepgram.com/v1/speak \ -H "Authorization: Token YOUR_DEEPGRAM_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "aura-2", "language": "fr", "text": "Bonjour, comment puis-je vous aider ?" }'
新增语言代码:
text nl, fr, de, it, ja
完整的语音列表和各区域音频样例,请参考 TTS Voices and Languages 文档。你也可以访问 Deepgram Playground,输入自己的文本,实时测试效果。
未来展望
随着五种新语言上线,Aura-2 正朝全面覆盖全球的目标稳步迈进。在各个语系和声学环境下,准确性、适应性和实时可靠性都在持续提升。
目标很明确:打造无处不在、服务所有人的语音 AI。我们正在构建自然逼真、即时响应、全球可用的文本转语音,无论商业场景多么复杂。
立即解锁企业级语音 AI
免费注册即获 $200 额度,足以合成超过 1300 万字符。访问 TTS Voices and Languages 页面了解详情,亲自体验 Aura-2 自然、高精度的语音效果。
相关文章查看全部
Francisco Sousa Machado GTM Lead - España 用 Nova-3 让你的西班牙语呼叫中心为 Ley 10/2025 做好准备 公告
Abe Pursell SVP, Global Business Development and Partnerships Deepgram Marketplace:语音 AI 的开放生态 公告
Ed Anuff CPO 不丢上下文的语音代理 公告
Deepgram Deepgram 正在收购 Pipecat 的开发商 Daily,打造首个完整、可投产的对话式语音 AI 开放技术栈 公告