AI 产品

Deepgram发布Flux TTS模型，改善AI语音代理对话自然度

首次出现 8月13日 05:01·最近更新 8月13日 05:01

Deepgram发布了Flux TTS，这是一个流式、对话原生的语音模型，旨在解决AI语音代理在中断时听起来不自然的问题。传统文本到语音（TTS）系统将每个句子独立处理，缺乏上下文连续性，导致语音生硬；Flux TTS通过保留对话上下文、提供低延迟（80毫秒）和处理中断来改进。该模型的三个亮点包括：记忆对话内容并在轮次间保持语调、节奏和上下文；实时流式传输；以及响应中断以使对话更自然。

多来源证据

Twitter/X AI List·twitter·8月13日 01:15

为什么这么多AI驱动的电话代理在中断前听起来很聪明？即使这些代理给你合理的答案，你仍然觉得这些通话像是在和一个逐句朗读的机器说话。

为什么这么多AI驱动的电话代理在中断前听起来很聪明？即使这些代理给你合理的答案，你仍然觉得这些通话像是在和一个逐句朗读的机器说话。我们还没有构建出感觉真实的语音代理。问题是传统的文本到语音将代理生成的每一行都视为单独的工作。TTS模型不保留前一句的语调、节奏或上下文。这就是为什么语音AI仍然如此尴尬。Deepgram刚刚发布了Flux TTS来解决这个问题：Flux TTS是一个流式、对话原生的语音模型，只有一个目标：在代理轮次之间保留上下文，使你的对话保持响应、一致和自然。据我所知，有三个亮点：1. Flux TTS记住对话并在不同轮次之间携带语调、节奏和上下文。2. 它实时流式传输，延迟低

事件时间线

8月13日 01:15
Twitter/X AI List
为什么这么多AI驱动的电话代理在中断前听起来很聪明？即使这些代理给你合理的答案，你仍然觉得这些通话像是在和一个逐句朗读的机器说话。