Deepgram 推出 Flux TTS：延迟低至 80ms，专为实时对话打造

很多语音 AI 在演示视频里表现惊艳，可一放到真实的客服电话里就容易露馅。只要电话那头的人突然插话、改主意或者快速报出一串号码，系统往往就会结巴卡壳。

专为应对打断和突发状况设计

Deepgram 推出了专门为实时语音对话设计的文本转语音模型 Flux TTS。这款模型最大的卖点就是快，响应延迟最低只要 80 毫秒。

和传统只负责单句念词的 TTS 系统不同，Flux 会在多轮对话中持续追踪上下文，并根据通话进展实时调整。Deepgram 强调，它专门训练了应对现实通话中最麻烦的几种状况，包括用户随时打断、临时更改订单需求，以及快速念出一长串连续数字。

该模型的目标不是做给投资人看的 Demo，而是直接部署进生产环境的客户电话系统。目前开发者可以在 9 月 12 日前免费试用 Flux TTS 进行搭建。

为什么重要

我们认为，Deepgram 这一步打中了语音 AI 从玩具走向工具的关键痛点。在真实的电话沟通中，声音有多逼真其实是次要的，反应够不够快、能不能接得住用户的插话和变卦才是决定体验死活的地方。

把延迟压到 80 毫秒基本接近了真人面对面反应的极限，而专门优化打断和连续数字读取，可以说是把客服外呼最头疼的脏活累活包揽了下来。对于正在做 AI 电话客服或语音助手的团队来说，9 月 12 日前的免费测试窗口是个零成本验证的好机会，值得拿它去测测自家复杂多轮对话下的真实表现。