标签
教程演示了在 Modal 上使用 Pipecat PhoneLLM Alpha 1 搭建低延迟语音智能体的方案，结合了 Deepgram 语音转录与 Cartesia 语音合成，并提供代码与视频指南。
Deepgram发布了Flux TTS，一种流式、对话原生的文本转语音模型，能跨对话轮次保留语气、节奏和上下文，处理打断，并实现低至80ms的延迟，让语音AI感觉更自然。