Deepgram: Aura-2

Aura-2 è la famiglia di sintesi vocale di Deepgram con voci in sette lingue: inglese, spagnolo, tedesco, francese, neerlandese, italiano e giapponese. Converte il testo fornito in parlato per risposte di servizio clienti, menu telefonici, spiegazioni e narrazione. Il produttore descrive ritmo, espressività e intercalari conversazionali come risposte alla formulazione e al contesto del testo fornito.

Abbinare la voce alla lingua e all’attività

Ogni voce è identificata da famiglia, parlante e lingua. Il catalogo distingue accenti e caratteristiche di interpretazione anziché trattare ogni parlante come intercambiabile. Thalia è un’opzione energica in inglese americano; Draco è una voce britannica associata alla narrazione di storie; Celeste è una voce in spagnolo colombiano associata a usi conversazionali e annunci. Scegli la voce pensando al copione effettivo e all’ascoltatore.

Alcune voci spagnole supportano l’alternanza tra inglese e spagnolo: Aquila, Carina, Diana, Javier e Selena. Quella capacità appartiene a quei parlanti denominati, non a ogni voce della famiglia. Per un passaggio multilingue, preserva la lingua prevista di nomi di prodotto ed espressioni citate e ascolta la transizione con un parlante il cui profilo documentato supporti l’attività.

Preparare il testo per il parlato

La guida di formattazione di Aura-2 raccomanda punteggiatura di fine frase, punti interrogativi per le domande, virgole per pause naturali e frasi brevi autonome. Fornisci il testo parlato definitivo, non un’istruzione che chieda al sintetizzatore di scrivere il messaggio. Un copione di orientamento utile è: «Benvenuto. Scegli una lingua, poi seleziona l’argomento che ti serve. Puoi far ripetere le istruzioni in qualsiasi momento». La punteggiatura separa le azioni dell’ascoltatore e dà al modello un ritmo più chiaro.

Scrivi un identificatore come lettere separate quando deve essere letto carattere per carattere. Definisci gli acronimi ed evita una frase lunga senza separazioni quando devono essere spiegate diverse condizioni. Il produttore raccomanda inoltre di mettere tra virgolette le parole dei comandi e verificare ad alta voce un passaggio prima della sintesi. Per narrazione educativa o di prodotto, conserva i termini importanti trasformando titoli scritti ed elenchi densi in frasi parlate complete.

Ritmo e pronuncia

Il produttore documenta controlli di velocità e pronuncia IPA per inglese e spagnolo. L’intervallo di velocità del parlato di Aura-2 va da 0.7 a 1.5; per lo spagnolo raccomanda da 0.9 a 1.5 perché impostazioni più lente possono introdurre disfluenze. Pronuncia e velocità possono essere combinate in questa famiglia. Le sostituzioni IPA possono riguardare un nome o termine specialistico e la convenzione di Aura-2 pone il marcatore di accento direttamente prima della vocale.

La specifica del controllo di pronuncia permette fino a cinquecento sostituzioni, con ogni stringa IPA non più lunga di 128 caratteri, e documenta un limite di testo di input di 2000 caratteri per quel flusso. Aura-2 non supporta la funzione esplicita di controllo delle pause documentata per Flux TTS. Usa struttura delle frasi e punteggiatura per preparare il ritmo e dividi materiale più lungo in passaggi coerenti quando lo richiede il flusso scelto.

Consegna e uso dell’audio

Il produttore fornisce flussi di sintesi a richiesta completa e testo-audio in streaming. La guida multimediale distingue PCM grezzo in streaming, mu-law e A-law dalle opzioni di output orientate ai file come WAV, MP3, Opus, FLAC e AAC. Il valore predefinito documentato PCM/WAV per il flusso di richiesta Aura è 24 kHz. Contenitori di file, frequenze di campionamento e codifiche formano combinazioni valide; una connessione telefonica e un file narrativo scaricabile possono richiedere scelte differenti.

Aura-2 rimane una famiglia separata da Aura di prima generazione e da Flux TTS. Lo stato tra turni, il riscontro sulle interruzioni e i controlli di pausa riservati al batch di Flux non sono funzionalità da dedurre dal nome di una voce Aura-2. L’output utile è una versione parlata del copione effettivo in una lingua, un accento e una rappresentazione audio adatti. Verifica nomi, cambi di lingua, ritmo guidato dalla punteggiatura e istruzioni importanti con l’ascoltatore previsto prima di riutilizzare la registrazione.