Deepgram 推出 Flux TTS：延遲低至 80ms，專為即時對話打造

很多語音 AI 在演示影片裡表現驚豔，可一放到真實的客服電話裡就容易露餡。只要電話那頭的人突然插話、改主意或者快速報出一串號碼，系統往往就會結巴卡殼。

專為應對打斷和突發狀況設計

Deepgram 推出了專門為即時語音對話設計的文本轉語音模型 Flux TTS。這款模型最大的賣點就是快，響應延遲最低只要 80 毫秒。

和傳統只負責單句念詞的 TTS 系統不同，Flux 會在多輪對話中持續追蹤上下文，並根據通話進展即時調整。Deepgram 強調，它專門訓練了應對現實通話中最麻煩的幾種狀況，包括使用者隨時打斷、臨時更改訂單需求，以及快速念出一長串連續數字。

該模型的目標不是做給投資人看的 Demo，而是直接部署進生產環境的客戶電話系統。目前開發者可以在 9 月 12 日前免費試用 Flux TTS 進行搭建。

為什麼重要

我們認為，Deepgram 這一步打中了語音 AI 從玩具走向工具的關鍵痛點。在真實的電話溝通中，聲音有多逼真其實是次要的，反應夠不夠快、能不能接得住使用者的插話和變卦才是決定體驗死活的地方。

把延遲壓到 80 毫秒基本接近了真人面對面反應的極限，而專門最佳化打斷和連續數字讀取，可以說是把客服外呼最頭疼的髒活累活包攬了下來。對於正在做 AI 電話客服或語音助手的團隊來說，9 月 12 日前的免費測試視窗是個零成本驗證的好機會，值得拿它去測測自家複雜多輪對話下的真實表現。