Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

Deepgram đã công bố một mô hình chuyển giọng nói thành văn bản (STS) mới giúp tăng cường tương tác bằng giọng nói bằng cách giữ nguyên sắc thái và tông màu cảm xúc mà không cần chuyển giọng nói thành văn bản. Sự đổi mới này hứa hẹn sẽ cho phép giao tiếp tự nhiên, phản hồi nhanh hơn, theo thời gian thực, mang lại lợi thế chiến lược cho các công ty áp dụng nó.

Cách tiếp cận của công ty đối với công nghệ STS tránh các giai đoạn xử lý tuần tự truyền thống, nhằm mục đích giảm latency và nắm bắt chính xác hơn các sắc thái tinh tế của cuộc trò chuyện của con người. Bằng cách chuyển đổi giọng nói trực tiếp thành giọng nói, mô hình của Deepgram tìm cách cải thiện các hạn chế của LLM đa phương thức hiện có vẫn dựa vào văn bản làm trung gian.

Kiến trúc của Deepgram tích hợp các nhúng không gian tiềm ẩn, bảo toàn các đặc điểm giọng nói quan trọng trong suốt quá trình xử lý. Phương pháp này cho phép hợp nhất liền mạch các thành phần giọng nói thành văn bản, mô hình ngôn ngữ quy mô lớn và văn bản thành giọng nói, tạo ra một mô hình giọng nói duy nhất, có thể kiểm soát, từ đầu đến cuối.

Việc công ty sử dụng học chuyển giao và các mô hình được đào tạo trước giúp đẩy nhanh quá trình nghiên cứu và giảm nhu cầu về dữ liệu đào tạo mở rộng thường được yêu cầu cho các mô hình STS. Hiệu quả này dự kiến ​​sẽ thúc đẩy việc áp dụng AI giọng nói có thể mở rộng, toàn diện, có thể thích ứng với nhu cầu ngày càng tăng của các ứng dụng giọng nói.