Deepgram: Aura-2

Aura-2 est la famille de synthèse vocale de Deepgram avec des voix dans sept langues : l’anglais, l’espagnol, l’allemand, le français, le néerlandais, l’italien et le japonais. Elle convertit le texte fourni en parole pour les réponses de service client, les menus téléphoniques, les explications et la narration. Le fabricant décrit le rythme, l’expressivité et les mots de remplissage conversationnels comme des réponses à la formulation et au contexte du texte fourni.

Adapter la voix à la langue et à la tâche

Chaque voix est identifiée par sa famille, son locuteur et sa langue. Le catalogue distingue les accents et les caractéristiques d’interprétation, plutôt que de traiter tous les locuteurs comme interchangeables. Thalia est une option énergique en anglais américain ; Draco est une voix britannique associée au récit ; Celeste est une voix en espagnol colombien associée aux usages conversationnels et aux annonces. Choisissez la voix en tenant compte du script réel et de l’auditeur.

Certaines voix espagnoles prennent en charge l’alternance entre anglais et espagnol : Aquila, Carina, Diana, Javier et Selena. Cette capacité appartient à ces locuteurs nommés, et non à toutes les voix de la famille. Pour un passage multilingue, préservez la langue visée des noms de produits et des phrases citées et écoutez la transition avec un locuteur dont le profil documenté prend en charge la tâche.

Préparer le texte pour la parole

Le guide de mise en forme d’Aura-2 recommande une ponctuation de fin de phrase, des points d’interrogation pour les questions, des virgules pour les pauses naturelles et de courtes phrases autonomes. Fournissez le texte parlé définitif, plutôt qu’une instruction demandant au synthétiseur de rédiger le message. Un script d’orientation utile est : « Bienvenue. Choisissez une langue, puis sélectionnez le sujet dont vous avez besoin. Vous pouvez faire répéter les instructions à tout moment. » La ponctuation sépare les actions de l’auditeur et donne au modèle un rythme plus clair.

Épelez un identifiant en lettres séparées lorsqu’il doit être lu caractère par caractère. Définissez les acronymes et évitez une longue phrase sans coupure lorsque plusieurs conditions doivent être expliquées. Le fabricant recommande aussi de mettre les mots de commande entre guillemets et de vérifier un passage à voix haute avant la synthèse. Pour une narration pédagogique ou produit, conservez les termes importants tout en transformant les titres écrits et les listes denses en phrases parlées complètes.

Rythme et prononciation

Le fabricant documente des commandes de vitesse et de prononciation IPA pour l’anglais et l’espagnol. La plage de débit vocal d’Aura-2 est de 0.7 à 1.5 ; pour l’espagnol, il recommande de 0.9 à 1.5, car des réglages plus lents peuvent introduire des disfluences. La prononciation et la vitesse peuvent être combinées dans cette famille. Les remplacements IPA peuvent cibler un nom ou un terme spécialisés, et la convention d’Aura-2 place le marqueur d’accentuation directement avant la voyelle.

La spécification des commandes de prononciation autorise jusqu’à cinq cents remplacements, chaque chaîne IPA ne dépassant pas 128 caractères, et documente une limite de 2000 caractères de texte d’entrée pour ce processus. Aura-2 ne prend pas en charge la fonction explicite de contrôle des pauses documentée pour Flux TTS. Utilisez la structure des phrases et la ponctuation pour préparer le rythme et divisez les contenus plus longs en passages cohérents lorsque le processus choisi l’exige.

Fourniture et utilisation de l’audio

Le fabricant fournit des processus de synthèse par requête complète et de conversion texte-audio en streaming. Son guide des médias distingue le streaming brut PCM, mu-law et A-law des options de sortie sous forme de fichiers, telles que WAV, MP3, Opus, FLAC et AAC. Le réglage PCM/WAV par défaut documenté pour le processus de requête Aura est de 24 kHz. Les conteneurs de fichiers, les fréquences d’échantillonnage et les encodages forment des combinaisons valides ; une connexion téléphonique et un fichier de narration téléchargeable peuvent nécessiter des choix différents.

Aura-2 reste une famille distincte d’Aura de première génération et de Flux TTS. L’état entre les tours, le retour sur les interruptions et les commandes de pauses réservées au traitement par lots de Flux ne sont pas des fonctions à déduire d’un nom de voix Aura-2. La sortie utile est une version parlée du script réel dans une langue, un accent et une représentation audio adaptés. Vérifiez les noms, les changements de langue, le rythme guidé par la ponctuation et les instructions importantes avec l’auditeur visé avant de réutiliser l’enregistrement.