进阶 deepgram.com 2026-11-12 17:02:07 · 26 阅读

第16章 Deepgram Aura 正式发布:面向语音 AI 代理的极速文本转语音

公告 Deepgram Aura 正式发布:为语音 AI 代理打造的极速文本转语音 作者:Deepgram,2024 年 3 月 12 日 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 一款全新的文本转语音方案来了。认识一下 Aura:品质、速度、价格全面领先,现已开放使用! 内容速览:今天我们正式发布了 Deepgram Voice AI Platform 的最新组件——Deepgram Aura,这是首个专为响应灵敏的对话式 AI 代理和应用打造的文本转语音模型。 Aura 提供十几种自然、拟真的语音,延迟低于所有同类语音 AI 方案,目前已有多个客户在生产环境中使用。 欢迎通过我们的开源技术演示亲自体验 Aura,或抢先在产品中接入 Aura API!立即注册开始使用 Aura,还可免费获得 200 美元额度! Deepgram Aura 文本转语音 API 正式发布 自 Aura(我们的首个文本转语音模型)首次预览发布以来的三个月里,早期用户取得的进展让我们惊叹不已。事实上,已有多家客户在生产环境中成功运行 Aura,还有更多客户即将部署上线。因此我们非常高兴地宣布 Aura 正式全面可用,这是 Deepgram Voice AI 平台的一次重要扩展。 随着大语言模型(LLM)热潮愈演愈烈,从新兴创新公司到科技巨头,都在竞相重新定义计算世界,以及未来我们如何仅凭语音与技术交互。但在这样的世界到来之前,速度、成本、质量和规模上的重大瓶颈必须先被突破。而有了 Deepgram Aura,再搭配我们业界领先的 Nova-2 语音转文本 API,开发者现在可以轻松、快速地在人类与 LLM 之间实时交换信息,构建响应灵敏、高吞吐的 AI 代理和对话式 AI 应用。 不过不必只听我们说。我们做了一个早期概念验证原型并将其开源(包括 bug!)。你可以通过这个交互式演示亲身体验 Aura,也可以在产品页面上尝试把文字转换成音频。 试试交互式演示 Deepgram Aura TTS:为实时 AI 代理而生 启动演示 Deepgram 语音 AI 平台随着 Aura 的加入,Deepgram 现在提供了一个完整的语音 AI 平台,为开发者打造强大的语音 AI 体验提供了一整套 API,覆盖各种使用场景。平台由三个核心部分组成,对应对话交互的主要环节: - 听:通过语音识别等感知型 AI 模型,将对话音频准确转录为文本。 - 思考:使用抽象型 AI 模型(LLM 及面向特定任务的语言模型)完成自然语言理解、信息检索等 AI 智能体系统的核心任务。 - 说:借助文本转语音、LLM 等生成式 AI 模型,让 AI 像真人一样与人类对话。 图 1:Deepgram 语音 AI 平台
通过今天的发布,开发者可以在 Deepgram 一站式获得语音识别和语音生成两类 API,让实时语音机器人和 AI 智能体应用拥有最快的响应速度和最自然流畅的对话体验。 “Deepgram 不仅提供延迟低到能跟上对话节奏的逼真语音,其转录也比其他方案更快更准。转录和文本转语音只需对接一家公司,这一点太重要了。”

—— Voxity AI 联合创始人 Leandro Torres
面向实时语音代理的实时性能 正如我们之前讨论过的,text-to-speech 的使用场景可以分为两大类:高制作和高吞吐。高制作类场景主要追求顶级语音质量,服务于有声书朗读、独白式广播电视广告等小众内容制作需求。核心机会在于用 AI 完美模拟真人发声,省下聘请高价配音演员的成本,这类场景主要依赖以 UI 为中心的生产工具。 相比之下,高吞吐类场景由 API 驱动,追求的是规模和速度——处理大量人与 AI 代理之间的短时实时对话。从预约医生到点快餐,这类任务遍布我们的日常生活。语音质量固然重要,但决定成败的关键是对话流程是否自然流畅。对于语音识别和语音合成来说,速度和效率才是王道,每一毫秒都弥足珍贵——尤其是当 LLM 充当 AI 代理系统的"大脑"时。 如果你有兴趣探索这项技术在医疗领域的应用,我们的医疗 speech-to-text 解决方案能够准确理解和转录复杂的医学术语,助力高效的医疗沟通。 最近基于 Deepgram 和 Groq® LPU™ Inference Engine 搭建的演示,有力地证明了极速语音代理能带来怎样的体验。Groq 提供了市面上最快语言处理加速器,与 Deepgram 的 STT 和 TTS API 结合后,可以让人与 AI 代理之间实现逼真、自然流畅的对话——这在以前只存在于科幻作品中。同样重要的是,这些能力都通过强大的 API 提供,轻松支撑高吞吐场景,如下方视频所示。
我能打造出的语速最快的 AI
"Deepgram 和 Groq 都相信,速度和效率正是解锁人人可用的自然 AI 所缺失的关键要素——超快 LLM 首次面世后引发的病毒式传播就是明证。他们的语音 AI 模型正是 Groq API 能力的绝佳示范。"

——Groq 创始人兼 CEO Jonathan Ross
立即用 Aura 开始构建。Aura 专为在速度、质量和效率之间找到最佳平衡而打造——它在高质量选项中最快,在快速选项中最优。与 Deepgram Nova-2 STT 和你选定的 LLM 搭配使用,就能打造能听、能行动、能以自然语音交流的实时智能体,彻底改变客户互动体验。 Aura 赋予 AI 智能体逼真的语音,其开发目标就是复刻真实的人类对话——包括即时回应、带停顿的自然节奏、可闻的呼吸声,以及"呃""嗯"这类犹豫音,还会根据对话情境动态调整语气和情绪。 首发将提供 12 种英文语音(7 男声、5 女声),后续版本还会增加更多。所有语音均基于高质量对话数据集训练,典型对话场景的平均响应时间低于 250 毫秒。Aura 采用 Deepgram 标准的按量计费方案,起步价仅 $0.015/1K 字符。 现在任何持有有效 Deepgram API key 的用户都可以使用 Aura。现有客户可以立即开始构建,新注册用户还可享受 $200 免费额度,足以用任意可用语音合成超过 1300 万字符。详情请查阅 API 文档,或访问产品页面了解这款全新 text-to-speech API Aura 的更多信息。 客户案例:Aura 的生产实践 不少早期合作方已经把 Deepgram Aura 成功集成到自己的产品中,我们很高兴展示其中几个先行者的成果。 Humach Humach(human + machine,人机结合)成立于 1988 年,是一家数字化与人工结合的联络中心解决方案公司,为多家财富 500 强企业提供创新的客户体验(CX)解决方案。该公司专注于为零售、公用事业、旅行和医疗等销售与支持场景开发对话式 AI 代理,致力于提升客户体验。 Humach 一直使用 Deepgram 提供转写服务,目前正将 Aura 文本转语音(TTS)集成到其对话流程中,帮助零售客户管理下单流程。在与其他供应商对比后,该公司看中的正是 Aura 的低延迟和出色的语音质量。 "当我们从某云厂商的转写服务切换到 Deepgram 的 Nova-2 时,转写准确率和响应速度都有了明显提升。现在有了 Aura 的文本转语音,速度达到竞品的 2-5 倍,语音质量和延迟表现也能满足缩短通话时长、提高首次解决率的需求。Deepgram 强大的基础设施支撑着高质量、可靠的模型,从容应对我们在零售、公用事业、旅行和医疗场景中的季节性流量高峰。" ——Humach CEO Tim Houlne Vapi Vapi AI Aura TTS 演示 像 Vapi.ai 这样的公司正在让 voicebot 大众化,让每个人都能开发更智能、更有吸引力的语音 AI 聊天机器人。Vapi 提供端到端的语音助手构建平台,并因其速度和拟人化的语音质量而选择集成 Deepgram Aura。Vapi 在 AI 代理技术栈上有深厚积累,深知低延迟性能对提升用户参与度和打造出色客户体验有多重要。 "过去 8 年里,Deepgram 不断突破 ASR 的边界,在价格、质量和低延迟方面树立了行业标杆。如今他们正以同样的劲头进军 TTS,着实令人兴奋——语音又快又自然,定价也合理。我们非常期待。" –Nikhil Gupta,Vapi 联合创始人Daily 是 Deepgram 的长期合作伙伴,在其领先的音视频 WebRTC API 平台中集成了我们的语音转文字 API。Daily 为开发者提供将音视频通话功能集成到实时应用中所需的一切,包括面向对话式 AI 和语音机器人场景的 AI 工具。Daily 驱动的应用广泛覆盖远程医疗、在线教育和虚拟协作等多个领域。最近,他们将 Deepgram Aura 集成到生产环境中,用于基于 LLM 的交互式语音场景,如下方视频所示。
Daily 的 AI 语音患者登记演示
“几年前,我们在严格评估了所有方案后,选择 Deepgram 作为我们在语音转文字领域的首批合作伙伴。随着音频智能领域的发展,Deepgram 始终保持着最精准、延迟最低的转录技术。Aura 语音开放测试时我们非常兴奋,因为文字转语音正日益成为客户的重要需求。Aura 极快的首字节响应时间和自然的语音质量,使它成为对话式 AI 代理的理想之选。”

–Kwindla Hultman Kramer,Daily CEO下一步计划在 Deepgram,我们坚持尽早、频繁地发布产品,并将在今年全年及之后持续扩展 Aura 的能力,包括让语音更加逼真自然、更具对话感,为新的使用场景增加更多音色,扩展语言支持以服务全球应用等等。如前所述,规模化语音代理是高吞吐量的场景,其成功最终取决于语音 AI 方案能否在自然语音质量、响应速度和成本效率之间取得恰当平衡。我们期待继续与 Humach、Vapi 和 Daily 等创新公司合作,在语音转文字和文字转语音领域共同借助 Deepgram Voice AI 平台打造 AI 代理的未来。想了解更多,请访问我们的 API 文档,或前往产品页面了解 Aura——我们全新文字转语音 API 的详细信息。立即注册即可开始使用,并免费获得 200 美元额度(足够生成超过 1300 万字符的语音)!Deepgram Aura TTS - 正式上线


如果您对本文或 Deepgram 的任何内容有任何反馈,我们非常欢迎您提出。欢迎在 GitHub discussions 中告诉我们,也可以联系我们与产品专家交流,了解更多信息。相关文章查看全部Francisco Sousa MachadoGTM Lead - España借助 Nova-3 让您的西班牙语联络中心为 Ley 10/2025 做好准备公告Abe PursellSVP, Global Business Development and PartnershipsDeepgram Marketplace:Voice AI 的开放生态公告Ed AnuffCPO始终连贯的语音 Agent公告DeepgramDeepgram 正在收购 Pipecat 的开发方 Daily,打造首个完整、可用于生产环境的对话式 Voice AI 开放技术栈公告

评论 (0)