Deepgram推出了全新的AI语音代理API，这是一个统一的语音对话API，旨在让AI代理能够进行自然的对话。该API依赖于快速的语音识别和语音合成模型，支持实时的语音理解、推理和对话生成。
适用于企业和开发人员，能够创建强大的语音代理，特别适用于客户支持、订单处理等场景。
- 实时自然对话：语音代理API能够在对话中处理人类语音输入并快速生成语音输出，支持流畅的交互。
- 中断处理：采用最新的“结束思维”检测模型，能够自然地处理对话中的停顿或中断。
- 可扩展性与灵活性：开发者可以选择使用开源、闭源或自带的大语言模型，灵活集成不同任务所需的模型。
主要功能特点
1. 实时自然对话
- API支持语音代理进行实时、自然的语音交互，能够像人类一样理解、思考并生成语音回应。该功能确保了语音代理可以与用户进行流畅的对话，提升用户体验。
2. 中断处理与结束思维检测
- 通过先进的结束思维（End-of-Thought, EOT）检测模型，API能够处理对话中的停顿、中断和长时间的语音输入，确保代理能够在复杂的对话环境中表现良好，不会因为语音输入的间断而误判结束。
3. 高度可定制的开发环境
- API 提供了极大的灵活性，开发者可以根据需求选择使用开源、闭源或自定义的大型语言模型（LLM）。这使得API适应各种应用场景，从简单的任务处理到复杂的多步骤对话生成。
4. 低延迟与高性能
- API 专注于提供低延迟的语音处理，使得响应时间控制在1秒以内，从而确保对话流畅自然，避免常见的语音代理“迟钝”问题。
5. 隐私和安全
- API 支持多种部署模式，包括自托管和VPC，确保满足企业级别的安全性和数据隐私要求，非常适合金融、医疗等高度敏感行业的应用。
6. 集成多种语言模型
- API 与不同的大语言模型（如Llama 3和GPT-4）无缝集成，能够利用强大的生成式AI进行复杂任务的对话管理、任务执行和信息检索。
适用场景：
- 客户支持
- 医疗语音转录
- 媒体转录
- 智能订单处理
详细介绍：https://deepgram.com/learn/introducing-ai-voice-agent-api