Deepgram: Aura-2

Aura-2 ist Deepgrams Text-to-Speech-Familie mit Stimmen für sieben Sprachen: Englisch, Spanisch, Deutsch, Französisch, Niederländisch, Italienisch und Japanisch. Sie wandelt den bereitgestellten Text in Sprache für Kundenservice-Antworten, Telefonmenüs, Erklärungen und Erzählaufnahmen um. Der Hersteller beschreibt Tempo, Ausdrucksstärke und Gesprächsfüllwörter als Reaktionen auf Wortlaut und Kontext des bereitgestellten Textes.

Stimme auf Sprache und Aufgabe abstimmen

Jede Stimme wird durch Familie, Sprecher und Sprache identifiziert. Der Katalog unterscheidet Akzente und Vortragsmerkmale, statt alle Sprecher als austauschbar zu behandeln. Thalia ist eine energiegeladene amerikanisch-englische Option; Draco eine britische Stimme mit Bezug zum Geschichtenerzählen; Celeste eine kolumbianisch-spanische Stimme für Gespräche und Ansagen. Wählen Sie die Stimme mit Blick auf tatsächliches Skript und Hörer.

Ausgewählte spanische Stimmen unterstützen englisch-spanische Sprachwechsel: Aquila, Carina, Diana, Javier und Selena. Diese Fähigkeit gehört zu diesen benannten Sprechern, nicht zu jeder Stimme der Familie. Bewahren Sie bei einer gemischtsprachigen Passage die beabsichtigte Sprache von Produktnamen und zitierten Phrasen und hören Sie den Übergang mit einem Sprecher an, dessen dokumentiertes Profil die Aufgabe unterstützt.

Text für die Sprachausgabe vorbereiten

Aura-2s Formatierungsleitfaden empfiehlt Satzschlusszeichen, Fragezeichen für Fragen, Kommas für natürliche Pausen und kurze eigenständige Phrasen. Geben Sie den endgültigen Sprechtext vor, keine Aufforderung an den Synthesizer, die Nachricht zu schreiben. Ein nützliches Orientierungsskript lautet: «Willkommen. Wählen Sie eine Sprache und dann das benötigte Thema. Sie können die Anweisungen jederzeit wiederholen.» Die Zeichensetzung trennt die Höreraktionen und gibt dem Modell einen klareren Rhythmus.

Schreiben Sie eine Kennung als einzelne Buchstaben, wenn sie Zeichen für Zeichen vorgelesen werden muss. Definieren Sie Akronyme und vermeiden Sie einen langen unübersichtlichen Satz, wenn mehrere Bedingungen erklärt werden müssen. Der Hersteller empfiehlt ausserdem, Befehlswörter in Anführungszeichen zu setzen und eine Passage vor der Synthese laut zu prüfen. Bewahren Sie bei Lehr- oder Produktvertonungen die wichtigen Begriffe und verwandeln Sie geschriebene Überschriften und dichte Listen in vollständige gesprochene Phrasen.

Tempo und Aussprache

Der Hersteller dokumentiert Geschwindigkeits- und IPA-Ausspracheeinstellungen für Englisch und Spanisch. Aura-2s Sprechgeschwindigkeitsbereich beträgt 0.7 bis 1.5; für Spanisch empfiehlt er 0.9 bis 1.5, weil langsamere Einstellungen Sprechunflüssigkeiten verursachen können. Aussprache und Geschwindigkeit lassen sich in dieser Familie kombinieren. IPA-Vorgaben können einen Fachnamen oder Begriff betreffen, und die Aura-2-Konvention platziert das Betonungszeichen direkt vor dem Vokal.

Die Spezifikation der Ausspracheeinstellung erlaubt bis zu fünfhundert Vorgaben mit höchstens 128 Zeichen pro IPA-Zeichenfolge und dokumentiert für diesen Workflow eine Eingabetextgrenze von 2’000 Zeichen. Aura-2 unterstützt die für Flux TTS dokumentierte explizite Pausensteuerung nicht. Bereiten Sie den Rhythmus durch Satzstruktur und Zeichensetzung vor und teilen Sie längeres Material in zusammenhängende Passagen auf, wenn der gewählte Workflow dies erfordert.

Audioausgabe und Verwendung

Der Hersteller bietet Synthese vollständiger Anfragen und Streaming-Workflows für Text-to-Audio an. Sein Medienleitfaden unterscheidet rohes Streaming-PCM, mu-law und A-law von dateibezogenen Ausgabeoptionen wie WAV, MP3, Opus, FLAC und AAC. Der dokumentierte PCM/WAV-Standard für den Aura-Anfrageworkflow beträgt 24 kHz. Dateicontainer, Abtastraten und Kodierungen bilden gültige Kombinationen; eine Telefonverbindung und eine herunterladbare Erzählaufnahme können unterschiedliche Entscheidungen erfordern.

Aura-2 bleibt eine separate Familie gegenüber Aura der ersten Generation und Flux TTS. Flux-Eigenschaften wie beitragsübergreifender Zustand, Unterbrechungsrückmeldungen und nur im Batch verfügbare Pauseneinstellungen dürfen nicht aus einem Aura-2-Stimmnamen abgeleitet werden. Die nützliche Ausgabe ist eine gesprochene Version des tatsächlichen Skripts in passender Sprache, mit passendem Akzent und passender Audiorepräsentation. Prüfen Sie Namen, Sprachwechsel, durch Zeichensetzung gelenktes Tempo und wichtige Anweisungen mit Blick auf die vorgesehenen Hörer, bevor Sie die Aufnahme wiederverwenden.