deepgram/deepgram-python-sdk

解決的問題

此 SDK 為 Python 開發者提供了一種標準化的方式，將 Deepgram 的 AI 模型（語音轉文字、文字轉語音、語言理解）整合至應用程式中，無需撰寫原始 API 請求。

工作原理

此 SDK 作為 Deepgram API 的封裝，提供同步與非同步客戶端。支援多種互動模式：

• 即時串流： 使用 WebSockets 實現即時語音辨識與互動式語音代理。
• 檔案處理： 處理預先錄製音訊檔案的上傳與轉錄。
• 音訊生成： 將文字轉換為自然流暢的語音。
• 文字分析： 處理文字以偵測情感、主題與意圖。
• 自訂傳輸： 允許開發者以自訂實作取代預設的 WebSocket 傳輸，包含專用於 AWS SageMaker 端點的傳輸。

適用對象

開發語音應用、對話式 AI 代理、自動轉錄服務或文字分析工具的開發者。

主要特色

• 全面的模態支援： 支援語音轉文字（Listen）、文字轉語音（Speak）與文字智能（Read）。
• 對話式 AI： 內建支援建立結合聆聽、思考（透過 GPT-4o-mini 等 LLM）與說話的互動式語音代理。
• 非同步支援： 完全支援 async/await，實現非阻塞 I/O 操作。
• 彈性驗證機制： 支援伺服器端使用的 API 金鑰，以及客戶端安全使用的一次性存取權杖。
• 可擴展的網路： 支援自訂 HTTP 客戶端與傳輸工廠，適用於替代協定或雲端部署。