Deepgram: Flux TTS

Flux TTS is de text-to-speech-familie van Deepgram voor livegesprekken en vaste gesproken inhoud. Kenmerkend is gesprekscontinuïteit: het streamingmodel behoudt prosodie over gespreksbeurten heen, zodat de voordracht een consistente toon kan houden terwijl een interactie doorgaat. Flux TTS accepteert geschreven tekst en retourneert spraakaudio. Flux TTS en het afzonderlijk benoemde Flux-spraakherkenningsmodel voeren verschillende delen van een spraakgesprek uit.

Selecteer een Engelse stem

De gedocumenteerde Flux-catalogus spreekt Engels met Amerikaanse, Britse, Ierse, Australische, Indiase, Singaporese en Filipijnse accenten. Stembeschrijvingen helpen een spreker voor klantenservice, telefoonmenu's, vertelling of een informeel gesprek te kiezen. De maker noemt bijvoorbeeld Haley als een rustige Amerikaanse stem en Jack als een professionele Britse stem. Kies een stem op basis van het publiek en de soort bewoordingen die moeten worden uitgesproken en houd die stabiel in het stuk of gesprek. Spraak in andere talen hoort bij een afzonderlijk gedocumenteerde modelkeuze.

Livebeurten en onderbrekingen

In de streamingworkflow van de fabrikant kan tekst binnenkomen terwijl de toepassing een antwoord opstelt en komt audio geleidelijk terug. Een beurt heeft eigen start- en voltooiingsgebeurtenissen; de beurt beëindigen rondt de resterende synthese af. Context tussen beurten behoudt prosodie binnen die sessie. Dat is bruikbaar voor een gesproken assistent die eerst een keuze uitlegt en daarna een verduidelijkingsvraag beantwoordt zonder van stemkarakter te veranderen.

Een onderbreking annuleert de actieve beurt en retourneert het gesproken deel en de resterende tekst. Dat onderscheid helpt de toepassing verder te gaan vanuit wat de luisteraar daadwerkelijk heeft gehoord. Bereid voor een praktische interactie een kort antwoord voor met eerst de belangrijke instructie, gevolgd door de uitleg. Als de luisteraar na die eerste instructie onderbreekt, kan het volgende antwoord de nieuwe vraag behandelen in plaats van aan te nemen dat de luisteraar de volledige uitleg heeft gehoord.

Vaste audio en uitvoerformaten

Batchsynthese ontvangt een volledig blok tekst en retourneert de audio in één respons. Deze synthese gebruikt dezelfde stemcatalogus als streaming en past bij vooraf opgenomen telefoonprompts, meldingen of vertelling die van tevoren is voorbereid. Batchaanvragen zijn onafhankelijk; streamingbeurtstatus en onderbrekingsgebeurtenissen zijn niet van toepassing op een vaste clip.

De streaminguitvoer is ruwe audio zonder bestandscontainer: 16-bits PCM, mu-law of A-law. De maker documenteert PCM-samplefrequenties van 8, 16, 24, 32, 44.1 en 48 kHz; mu-law en A-law gebruiken 8 of 16 kHz. Batchuitvoer ondersteunt daarnaast MP3, Opus, FLAC en AAC. Selecteer een codering en container die de beoogde speler of telefonieroute kan interpreteren in plaats van een stroom ruwe samples als een gewoon audiobestand te behandelen.

Voordrachtinstellingen en grenzen

De fabrikant documenteert een spreeksnelheidsbereik van 0.5 tot 1.5 in stappen van 0.05. Snelheidswijzigingen tijdens streaming worden bij een segmentgrens toegepast. Een afzonderlijke expressiviteitsinstelling in bèta verschuift de voordracht van rustig naar levendig. Gewone SSML en herkende tags van concurrenten worden verwijderd in plaats van als expressieve instructies te worden gebruikt; native Flux-instellingen hebben hun eigen betekenis.

Inlinepauzes horen bij batchsynthese, met duren van 500–3.000 ms in stappen van 100 ms en maximaal acht markeringen per aanvraag. Er moet tekst tussen aangrenzende pauzes staan en de snelheid is op 1.15 begrensd wanneer een pauze aanwezig is. Uitspraakoverrides gebruiken IPA en zijn in Early Access; de maker merkt op dat een gevraagde uitspraak tussen generaties kan variëren. Uitspraak kan niet worden gecombineerd met een niet-standaardsnelheid of pauze-instellingen. Luister bij een script met specialistische namen naar die termen in de geselecteerde stem en houd de gesproken bewoordingen expliciet.

De gedocumenteerde streamingsessie van Deepgram duurt maximaal één uur en sluit na zestig seconden zonder inkomend bericht, tenzij die via het ondersteunde verbindingsmechanisme actief wordt gehouden. Die sessielimieten betreffen de livesyntheseworkflow. Een bruikbaar resultaat is een bewust gekozen stem, luistervriendelijke tekst en audio die bij de bestemming past, waarbij live-toepassingen volgen wat daadwerkelijk is uitgesproken wanneer een beurt wordt onderbroken.