Learn Voice AI for Deepgram

سلب مسئولیت: آکادمی هوش مصنوعی صوتی یک راهنمای یادگیری مستقل و غیررسمی است. این آکادمی به Deepgram وابسته، تایید شده یا حمایت شده توسط آن نیست. "Deepgram" و نام محصولات آن، علائم تجاری مالک آنها هستند و فقط برای توصیف مواردی که درس‌ها پوشش می‌دهند، استفاده می‌شوند. این برنامه به خدمات Deepgram متصل نمی‌شود، نیازی به حساب Deepgram ندارد و هرگز کلید API درخواست نمی‌کند.

هوش مصنوعی صوتی را به صورت عملی بیاموزید. آکادمی هوش مصنوعی صوتی شما را از اولین رونوشت تا عوامل صوتی آماده تولید که بر اساس Deepgram ساخته شده‌اند، از طریق ۱۵ ماژول تعاملی که در چهار مرحله سازماندهی شده‌اند، هدایت می‌کند.

آنچه خواهید آموخت

مرحله ۱ · مبانی (مبتدی)

- هوش مصنوعی صوتی چیست و چگونه صدا به متن تبدیل می‌شود

- داستان پشت Deepgram و نسل‌های مدل آن

- یک تور راهنما از کنسول: پروژه‌ها، کلیدهای API، کاربرد و صورتحساب

- اولین درخواست رونویسی شما، توضیح خط به خط

مرحله ۲ · هسته تبدیل گفتار به متن (متوسط)

- خواندن پاسخ JSON: رونوشت‌ها، زمان‌بندی کلمات و اطمینان

- قالب‌بندی: علائم نگارشی، قالب‌بندی هوشمند، پاراگراف‌ها و گفتارها

- یادداشت‌برداری گوینده، صدای چند کاناله و رونویسی چند زبانه

- دقت بهتر با کلمات کلیدی، انتخاب مدل، یافتن و جایگزینی و ویرایش

مرحله ۳ · صدای بلادرنگ (پیشرفته)

- پخش زنده از طریق WebSockets: نتایج موقت، نقطه‌گذاری پایانی و KeepAlive

- نوبت‌گیری مکالمه‌ای و Flux برای عوامل صوتی

- تبدیل متن به گفتار با Aura-2 و Flux TTS: صداها، فرمت‌ها و جریان‌سازی

- هوش صوتی: خلاصه‌ها، موضوعات، اهداف و احساسات

مرحله ۴ · تسلط بر تولید (متخصص)

- ساخت یک عامل صوتی که گوش می‌دهد، فکر می‌کند، صحبت می‌کند و توابع را فراخوانی می‌کند

- SDKها، امنیت کلید API، توکن‌های موقت و مدیریت خطا

- هزینه‌ها، برنامه‌ریزی ظرفیت، گزینه‌های استقرار و نظارت

با انجام دادن یاد بگیرید

هر ماژول شامل یک شبیه‌سازی تعاملی است که مستقیماً در برنامه اجرا می‌شود. بدون نیاز به حساب کاربری و بدون نیاز به کد. - تماشای تبدیل صدا به متن در آزمایشگاه خط لوله گفتار

- کاوش یک پاسخ JSON با شکل واقعی و یافتن هر فیلد

- رفع درخواست‌های API خراب و تشخیص خطاهای تولید

- تنظیم تشخیص پایان نوبت و مشاهده زمان قطع شدن توسط یک عامل

- پیکربندی تبدیل متن به گفتار برای خطوط تلفن، صفحات وب و عامل‌های صوتی

- تخمین هزینه‌های ماهانه و حداکثر ظرفیت برای پروژه خودتان

ویژگی‌ها

- ۱۵ ماژول در ۴ مرحله، از مبتدی تا حرفه‌ای

- آزمایشگاه‌های تعاملی، کارت‌های فلیپ و آزمون‌ها در هر ماژول

- نمونه‌های کد آماده برای کپی در cURL، پایتون، جاوا اسکریپت و Go

- امتحان نهایی و گواهی تکمیل

- ردیابی پیشرفت ذخیره شده در دستگاه شما

- درس‌ها به صورت آفلاین کار می‌کنند

- حالت روشن و تاریک

- انگلیسی واضح و ساده

برای چه کسانی است

توسعه‌دهندگانی که عامل‌های گفتار به متن یا صدا را به محصولات خود اضافه می‌کنند، دانش‌آموزانی که هوش مصنوعی صوتی را بررسی می‌کنند و تیم‌های محصول که می‌خواهند قبل از ساخت بفهمند چه چیزی ممکن است.

خوب است بدانید

- شبیه‌سازی‌ها از داده‌های نمونه برای نشان دادن نحوه رفتار ویژگی‌ها استفاده می‌کنند. نتایج واقعی به صدا، تنظیمات و برنامه شما بستگی دارد.

- محتوا آخرین بار در اکتبر ۲۰۲۶ به‌روزرسانی شده است. نام محصولات، ویژگی‌ها و قیمت‌ها تغییر می‌کنند، بنابراین همیشه قبل از ساخت، جزئیات را در مستندات رسمی Deepgram تأیید کنید.

- این برنامه رایگان است و توسط تبلیغات پشتیبانی می‌شود.