Spoločnosť Deepgram je známym hráčom v odvetví start-upov zameraných na rozpoznávanie hlasu. Dnes spoločnosť urobila významné oznámenie a predstavila Aura, jej najnovší real-time text-na-hlas API. S pomocou Aury môžu vývojári vytvoriť konverzačných AI agentov s veľmi realistickými hlasovými modelmi a nízkou latenciou.
Tradične získanie prístupu k vysokokvalitným hlasovým modelom bolo drahým a časovo náročným procesom. Naopak, modely s nízkou latenciou často chýbajú prirodzene znejúce hlasy. Avšak Aura od spoločnosti Deepgram preklenula túto medzeru tým, že poskytuje rýchle a ľudsky znejúce hlasové modely za dostupnú cenu.
Spoluzakladateľ a CEO spoločnosti Deepgram, Scott Stephenson, zdôrazňuje rastúcu potrebu real-time hlasových AI botov, ktorí dokážu porozumieť, spracovať, generovať odpovede a hovoriť. Na splnenie týchto požiadaviek sú presnosť, nízka latencia a nízke náklady kľúčovými faktormi. Prístup k veľkým jazykovým modelom (LLMs) môže byť drahý, a preto je dôležité, aby Aura poskytovala cenovo dostupné riešenie.
Deepgram tvrdí, že ceny Aury prevyšujú ceny jej konkurentov a poskytuje služby za $0.015 za 1 000 znakov. Zatiaľ čo hlasy WaveNet od Googlu a neurálne hlasy Poly od Amazonu sú cenovo podobné vo výške $0.016 za 1 000 znakov, ponuka od Deepgramu je o niečo lacnejšia. Treba poznamenať, že najvyššia úroveň ponuky od Amazonu prichádza s výrazne vyššou cenou.
Stephenson vysvetľuje, že produkčná stratégia spoločnosti Deepgram sa točí okolo dosiahnutia konkurenčnej ceny, rýchlej latencie a vynikajúcej presnosti. Stephenson ďalej zdôrazňuje, že Deepgram strávil štyri roky vytváraním potrebnej infraštruktúry pred uvedením akýchkoľvek produktov na trh.
V súčasnosti Aura ponúka približne dvanásť hlasových modelov, ktoré boli trénované pomocou datasetu vytvoreného spoločnosťou Deepgram v spolupráci s hlasovými hercami. Treba poznamenať, že všetky modely od Deepgramu, vrátane Aury, boli trénované internými zdrojmi.
Aura API od spoločnosti Deepgram prináša nový pohľad na technológiu text-na-hlas v reálnom čase. Spojením realistických hlasových modelov, nízkej latencie a konkurencieschopných cien otvára Aura nové možnosti pre podniky v rôznych odvetviach.
Často kladené otázky (FAQ)
1. Aký je účel Aury od spoločnosti Deepgram?
Účelom Aury od spoločnosti Deepgram je umožniť vývojárom vytvárať konverzačných AI agentov v reálnom čase s vysokokvalitnými hlasovými modelmi a nízkou latenciou.
2. V čom sa Aura od spoločnosti Deepgram odlišuje od ostatných riešení na rozpoznávanie hlasu?
Aura vyniká tým, že ponúka rýchle, ľudsky znejúce hlasové modely za prijateľnú cenu, čím sa odlišuje od konkurentov.
3. Aké sú ceny Aury od spoločnosti Deepgram?
Ceny za Aura od Deepgramu začínajú na úrovni $0.015 za 1 000 znakov, čím je cenovo efektívnejšia v porovnaní s podobnými ponukami od Google a Amazonu.
4. Ako boli trénované hlasové modely pre Auru?
Hlasové modely pre Auru boli trénované internými zdrojmi od spoločnosti Deepgram s využitím datasetu vytvoreného v spolupráci s hlasovými hercami.
Definície:
– Rozpoznávanie hlasu: Technológia, ktorá umožňuje strojom porozumieť a interpretovať hovorený jazyk.
– Text-na-hlas: Proces prevodu písomného textu na hovorené slová.
– API: Rozhranie pre prístup k programovaniu, súbor pravidiel a protokolov, ktoré umožňujú rôznym softvérovým aplikáciám komunikovať medzi sebou.
Navrhované súvisiace odkazy:
– Deepgram (Zdroj článku)
[source](https://www.youtube.com/embed/QusQWgorIRg)
The source of the article is from the blog newyorkpostgazette.com