Deepgram Flux TTS 发布：支持实时流式对话，延迟低于 200ms
CodeByPoonam · x · 2026-08-17
Deepgram 正式发布 Flux TTS，这是专为实时对话设计的文本转语音模型。
核心特性：
- 流式生成：不同于传统 TTS 等待文本生成完毕，Flux 在 token 到达时即开始合成语音。
- 极低延迟：低于 200ms 的响应速度，实现真正自然的对话流。
- 对话感知：模型能读取整段对话上下文，保持情绪与语气的一致性，能处理打断和对话线索。
架构整合：Flux STT（听）和 Flux TTS（说）作为单一集成栈运行，Deepgram 负责协调听与说的时序。该产品特别适用于 AI Agent、呼叫中心和会议助手等场景。
「多模态」频道最新
- dots3-note 预览版发布：280B 开源长程代理模型 — iamrobotbear · 2026-08-17
- CapCut 内置 Seedance 2.5 视频生成，$0.06/秒免排队 — aftahi_ai · 2026-08-17
- MiniMax H3 双采样潜在上放大法：1080p 视频 — wjc_5 · 2026-08-17
- 求助：MinimaxH3 分镜生视频如何避免素描风格渗入？ — danielpartzsch · 2026-08-17
- 新模型 Seedance 2.5 可一键生成 TikTok 风格视频 — aitrendz_xyz · 2026-08-17
- 趣味演示：复古风格的太空游轮广告长什么样？ — Necessary-Use-3820 · 2026-08-17