Deepgram Aura-2: голосовая инфраструктура — Нейросреда | 7Post

Aura-2 позиционируется Deepgram как enterprise text-to-speech для голосовых агентов и приложений реального времени. Компания делает акцент на скорости, профессиональной подаче и точности произношения специализированной лексики.

И здесь сразу появляется важное отличие от многих платформ из первой половины нашего цикла.

Если пользователь хочет записать ролик, ему нужен красивый голос.

Если компания строит контакт-центр, ей нужно, чтобы система тысячи раз подряд правильно произнесла номер заказа, дату, название препарата или юридический термин.

Это две разные задачи.

Aura-2 и скорость

Deepgram заявляет для Aura-2 time-to-first-byte менее 200 мс. Это показатель производителя, поэтому его нельзя автоматически считать независимым результатом нашего теста. Реальная задержка зависит от сети, архитектуры приложения, размера запроса и других компонентов.

Но сам факт, что latency вынесена в центральную характеристику продукта, показателен.

В realtime-системе пользователю всё равно, насколько прекрасным является голос, если между вопросом и ответом возникает неприятная пауза.