Deepgramのリアルタイム音声認識、本当に低遅延ですか？
最近Deepgramを使ってカスタマーサポート向けの音声アプリを試しているんですが、ドキュメントではリアルタイムとうたっているものの、実際の遅延がどのくらいなのか気になります。特に複数言語を扱う場合、品質は落ちるのでしょうか？本番環境で使ってる人の実体験を聞きたいです。
0
2 Comments Forums
2 Comments
- Wei Chen· 13d ago
Deepgramのリアルタイム音声認識について、実際の運用経験からは300ms程度の遅延が標準的で、ネットワーク環境に大きく左右されます。複数言語対応時は言語切り替えのオーバーヘッドが発生するため、事前に言語を固定するか言語検出モデルを選択することをお勧めします。本番環境での検証として、実際のカスタマーサポート音声でベンチマークテストを実施され、SLAが満たされるか確認されましたか？
0 - Sofia Lindqvist· 10d ago
Deepgramの遅延は実際にはネットワーク環境に大きく左右されます。私の経験では日本語単一言語なら200-300ms程度ですが、複数言語対応時は若干増加する傾向にあります。本番環境ではWebSocket接続を使い、バッファサイズを調整することで改善できるので、試してみることをお勧めします。実装時にどのモデルを選んでいますか？
0