SAN FRANCISCO / LONDON (IT BOLTWISE) – Deepgram stellt zwei neue Large Language Models für Voice Agents vor: Think-Live steuert die Gesprächsführung, Think-Fast kümmert sich im Hintergrund um Tool-Aufrufe und sprachoptimierte Antworten. Ergänzend bringt der Anbieter den Real-Time Context Standard (RCS), der Klang- und Reaktionsdetails statt nur Text zwischen Komponenten überträgt. Für den Unterbau soll das Open-Source-Framework Pipecat sorgen, dessen Hersteller Daily Deepgram übernehmen will. Nähere Angaben zu Latenz, Modellgrößen oder Preisen bleiben vorerst aus.
Voice Agents scheitern in der Praxis selten an der reinen Worterkennung, sondern an Timing und Kontext: Sie reden zu früh dazwischen, lassen Pausen zu lang werden oder verlieren den Tonfall, wenn sie von der Spracherkennung zum LLM und anschließend zur Sprachausgabe wechseln. Genau an dieser Kette setzt Deepgram an und macht aus dem „Moment“ im Gespräch eine ausformulierte Steuerungsinformation. Auf seiner Veranstaltung Deepgram Speak in San Francisco stellte das Speech-AI-Unternehmen zwei speziell für Sprachagenten konzipierte Large Language Models vor, die unterschiedliche Aufgaben in der Interaktion trennen sollen.
Das erste Modell, Think-Live, soll die Gesprächsführung übernehmen. Es entscheidet dabei laut Deepgram-CPO Ed Anuff in sehr kurzen Zeitspannen, ob der Anrufer bereits „fertig“ ist oder noch nachdenkt und ob der Agent sofort reagieren oder noch warten muss. Parallel dazu soll es die „Business-Logik“ eines Voice Agents einhalten: also Regeln befolgen, Tools aufrufen und Formulierungen liefern, die zur nächsten Sprachausgabe passen. Anuffs Argument lautet: Ein einzelnes Allzweckmodell werde beiden Richtungen der Anforderungen nicht hinreichend gerecht, daher die Aufteilung auf ein Modell für das Gesprächs-Timing und ein weiteres für die auszuführende Arbeit.
Das zweite Modell heißt Think-Fast. Es läuft im Hintergrund und fokussiert stärker auf Ausführung: Anweisungen umsetzen, während des Gesprächs externe Tools ansteuern und anschließend Antworten so formulieren, dass sie sich für die Sprachausgabe eignen. Deepgram positioniert Think-Fast zunächst als Early-Access-Funktion über die Deepgram-LLM-API. Entwickler können die beiden Modelle entweder als Kombination orchestrieren oder sie je nach bestehendem Setup einzeln an ein bereits genutztes Modell koppeln. Konkrete Kennzahlen zu Latenz, Modellgröße oder Preis nannte der Anbieter in dem Rahmen jedoch nicht.
Der zweite zentrale Baustein ist der Real-Time Context Standard (RCS). In vielen Voice-Agent-Architekturen wird Speech-to-Text mit einem LLM und danach Text-to-Speech kombiniert. Dabei gehen an den Schnittstellen Informationen verloren, die für die Bedeutung im Gespräch oft entscheidend sind: Wie klingt der Sprecher? Läuft es stockend, zögernd oder mit einem bestimmten Tonfall? Was bedeutet ein Zwischenruf, eine Korrektur oder ein kurzes Innehalten? RCS erweitert das verbreitete Chat-Completions-Format um drei zusätzliche Felder: eines beschreibt, wie der Sprecher klang, ein zweites legt fest, wie der Agent darauf reagieren soll, und ein drittes gibt dem Text-to-Speech-Modell vor, wie die Antwort gesprochen werden soll.
Deepgram stellt RCS dabei bewusst in den größeren Kontext anderer Kommunikationsstandards und Integrationsmuster wie Tool Calling und dem Model Context Protocol (MCP). Das Unternehmen beschreibt den Standard als herstellerunabhängigen, offenen Ansatz, entwickelt gemeinsam mit dem Pipecat-Team. Die Spezifikation samt Demo liegt auf GitHub und kann kommentiert werden; weitere externe Unterstützer nannte Deepgram in den bereitgestellten Informationen bislang nicht. Damit adressiert der Ansatz ein klassisches Integrationsproblem: Nicht nur das Modell entscheidet, sondern auch das „Format“, das Kontext zwischen Komponenten transportiert.
Um diese Bausteine in eine produktive Plattform zu überführen, kündigt Deepgram zudem eine Verschiebung beim Unterbau an. Nach Unternehmensangaben soll Daily, der Hersteller von Pipecat, von Deepgram übernommen werden; einen Kaufpreis nannten die Firmen nicht. Pipecat soll unter der bisherigen BSD-Lizenz Open Source bleiben und weiterhin Modelle anderer Anbieter unterstützen. Zusätzlich planen beide Parteien eine unabhängige Pipecat Foundation. Auf Basis von Pipecat will Deepgram eine Voice-Agent-Plattform bauen, die Framework, RCS und die eigenen Modelle zusammenführt – mit der Option, Agents entweder über Deepgram oder in der eigenen Cloud zu betreiben, ohne dass ein konkreter Zeitplan kommuniziert wurde.
Auch bei den Sprachmodellen erweitert Deepgram seine Plattform. Das Sprachausgabemodell Flux TTS ist in neun Sprachen allgemein verfügbar, darunter Deutsch, Französisch und Italienisch; 32 weitere Sprachen befinden sich im Early Access. Für die Spracherkennung nennt Deepgram Flux STT Multilingual mit zehn allgemein verfügbaren Sprachen sowie 31 im Early Access. Das Transkriptionsmodell Nova-3 Multilingual deckt laut Anbieter 55 Sprachen ab. Für die Verarbeitung setzt Deepgram auf regionale Endpunkte in den USA, der EU, Indien und Australien, wobei Verarbeitung und Speicherung in der jeweiligen Region erfolgen; zusätzlich kündigt das Unternehmen eine „Global API“ an, die Verbindungen mit geringerer Latenz ermöglichen soll.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Deepgram bringt Think-Live/Think-Fast und RCS für Voice Agents" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Deepgram bringt Think-Live/Think-Fast und RCS für Voice Agents" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Deepgram bringt Think-Live/Think-Fast und RCS für Voice Agents« bei Google Deutschland suchen, bei Bing oder Google News!