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
- FLUX 3 Upscaler 上线 Higgsfield:提速 50%、价格降 50%,原生 2K/4K — tisch_eins · 2026-10-16
- 「RiRi」AI 生成图爆火：钻石头饰与闪片长裙以假乱真 — egeberkina · 2026-10-16
- SeedAudio 1.5 将登陆 CapCut PC:一条提示生成对白、音效与配乐 — LearnWithBishal · 2026-10-16
- DLSS 5 实测画面逼真到反转：玩家称「比现实还真实」 — CSProfKGD · 2026-10-16
- 用 fal agent 一键换角:视频角色按 character sheet 重铸 — adamho · 2026-10-16
- 开发者开源 Krea 2 像素画 LoRA：16x16 游戏图标一键生成带透明背景 — Angaisb_ · 2026-10-16