A Deepgram jól ismert szereplő a beszédfelismerési startup iparágban. Ma a cég jelentős bejelentést tett, bemutatva legújabb valós idejű szövegről beszéd API-ját, az Aura-t. Az Aura segítségével fejlesztők most már olyan konverzációs mesterséges intelligencia ügynököket hozhatnak létre, amelyek rendkívül realisztikus hangmodellel és alacsony késleltetéssel rendelkeznek.
Hagyományosan a magas minőségű hangmodellek elérése költséges és időigényes folyamat volt. Ugyanakkor az alacsony késleltetésű modellek gyakran természetellenesen hangzanak. Azonban a Deepgram Aura API áthidalja ezt a hézagot, gyors és emberi hangmodelleket kínálva megfizethető áron.
A Deepgram alapítója és vezérigazgatója, Scott Stephenson, hangsúlyozza a valós idejű hangú AI botok iránti növekvő igényt, amelyek képesek megérteni, feldolgozni, generálni válaszokat és beszélni. Ezeknek az igényeknek való megfeleléshez az alacsony késleltetés, a pontosság és a költséghatékonyság kulcsfontosságú tényezők. A nagy nyelvi modellek (LLM) elérése költséges lehet, ezért Aura számára létfontosságú megfizethető megoldást kínálni.
A Deepgram szerint az Aura árazása túlszárnyalja versenytársait, szolgáltatásait 1,000 karakterenként $0.015 áron kínálva. Míg a Google WaveNet hangjai és az Amazon Polly Neural hangjai hasonló áron, 1,000 karakterenként $0.016 értékesítve, a Deepgram kínálata enyhén olcsóbb. Fontos megjegyezni, hogy az Amazon legmagasabb szintű lehetősége jelentősen magasabb árcédulával jár.
Stephenson elmagyarázza, hogy a Deepgram termékfejlesztési stratégiája a versenyképes árképzés, a gyors késleltetés és a kiváló pontosság körül forog. Stephenson továbbá hangsúlyozza, hogy a Deepgram négy évig dolgozott az szükséges infrastruktúra felépítésén, mielőtt bármilyen terméket piacra dobott volna.
Jelenleg az Aura kb. tizenkét hangmodellt biztosít, amelyeket a Deepgram által, hangszínészekkel való együttműködésben létrehozott adatkészlet felhasználásával képeztek ki. Fontos megemlíteni, hogy az összes Deepgram modellt, beleértve az Aurát is, saját berkekben képezték ki.
A Deepgram Aura API új megközelítést mutat be a valós idejű szövegről beszéd technológiában. A realisztikus hangmodellek, az alacsony késleltetésű képességek és a versenyképes árazás kombinációjával az Aura új lehetőségeket kínál különböző iparágak számára.
GYIK (Gyakran Ismételt Kérdések)
1. Mi a Deepgram Aura API célja?
A Deepgram Aura API célja, hogy lehetővé tegye a fejlesztők számára, hogy valós idejű, konverzációs AI ügynököket hozzanak létre magas minőségű hangmodellekkel és alacsony késleltetéssel.
2. Hogyan különbözik a Deepgram Aura más hangfelismerési megoldásoktól?
Az Aura azáltal tűnik ki, hogy gyors, emberi hangmodelleket kínál megfizethető áron, ami megkülönbözteti azt a versenytársaktól.
3. Mennyibe kerül a Deepgram Aura API?
Az Aura árai 1,000 karakterenként $0.015-ről indulnak, ami gazdaságosabbá teszi a hasonló ajánlatokhoz képest a Google és az Amazon részéről.
4. Hogyan lettek kiképezve az Aura hangmodellek?
Az Aura hangmodelleit a Deepgram saját berkeken kiképezte, egy olyan adatkészlet felhasználásával, amelyet hangszínészekkel együttműködve hoztak létre.
Definíciók:
– Hangfelismerés: Az a technológia, amely lehetővé teszi a gépek számára, hogy megértsék és értelmezzék a beszélt nyelvet.
– Szövegről beszéd: Az írott szöveget beszéddé alakító folyamat.
– API: Alkalmazásprogramozási interfész, egy szabályokat és protokollokat tartalmazó rendszer, amely lehetővé teszi, hogy különböző szoftveralkalmazások kommunikáljanak egymással.
Javasolt kapcsolódó linkek:
– Deepgram (Cikk forrása)
The source of the article is from the blog radiohotmusic.it