- Cloudflare-hosted
- Partner
- Real-time
Flux 是首个专为语音智能体(voice agent)构建的对话式语音识别模型。
| 模型信息 | |
|---|---|
| 条款和许可证 | 链接 ↗ |
| 合作伙伴 | 是 |
| 实时 | 是 |
| 单位定价 | $0.0077 per audio minute (websocket) |
参数
encoding
stringrequiredenum: linear16音频流的编码。目前仅支持原始有符号小端 16 位 PCM。sample_rate
stringrequiredpattern: ^[0-9]+$音频流的采样率(Hz)。eager_eot_threshold
string触发提前轮次结束(eager end-of-turn)事件所需的轮次结束置信度。设置后将启用 EagerEndOfTurn 和 TurnResumed 事件。有效值为 0.3 - 0.9。eot_threshold
stringdefault: 0.7结束一个轮次所需的轮次结束置信度。有效值为 0.5 - 0.9。eot_timeout_ms
stringdefault: 5000pattern: ^[0-9]+$语音结束后经过此时长,无论 EOT 置信度如何,轮次都将结束。keyterm
string关键词提示(Keyterm prompting)可以提升对专业术语的识别效果。传入多个 keyterm 查询参数可增强多个关键词。mip_opt_out
stringdefault: falseenum: true, false使请求退出 Deepgram 模型改进计划(Model Improvement Program)。将此项设置为 true 之前,请参阅 Deepgram 文档了解对定价的影响。https://dpgr.am/deepgram-miptag
string为请求添加标签,以便在用量报告中进行识别request_id
string请求的唯一标识符(uuid)sequence_id
integerminimum: 0从 0 开始,服务器每向客户端发送一条消息即递增。event
stringenum: Update, StartOfTurn, EagerEndOfTurn, TurnResumed, EndOfTurn所报告事件的类型。turn_index
integerminimum: 0当前轮次的索引audio_window_start
number已转录音频区间的开始时间(秒)audio_window_end
number已转录音频区间的结束时间(秒)transcript
string当前轮次中所说的文本▶words[]
array转录文本中的词end_of_turn_confidence
number本轮次不会再有语音输入的置信度