NERDMANTogether AI knackt die Sekunden-Mauer bei Voice-KI
Together AI bringt den schnellsten Sprach-KI-Stack auf den Markt. Unter einer Sekunde Latenz — vom gesprochenen Wort bis zur gesprochenen Antwort.
Was drin steckt
Das Paket besteht aus drei Bausteinen:
- STT:** Streaming Whisper — Sprache wird in Echtzeit zu Text
- TTS:** Serverlose Open-Source-Modelle Orpheus und Kokoro — Text wird zu natürlicher Sprache
- Transkription:** Voxtral für präzise Verschriftlichung
Alles läuft serverless. Kein eigenes GPU-Cluster nötig, kein Ops-Albtraum.
Warum das zählt
Voice Agents sind das nächste große Ding nach Chatbots. Aber bisher war die Latenz das Problem. Wer eine Sekunde auf eine Antwort wartet, legt auf. Together AI drückt die Gesamtlatenz jetzt unter eine Sekunde — das ist die Schwelle, ab der sich ein Gespräch natürlich anfühlt.
Open Source statt Lock-in
Together AI setzt bewusst auf offene Modelle. Orpheus und Kokoro sind Open Source, kein proprietärer Black-Box-Kram. Wer will, kann den Stack auch woanders laufen lassen — zumindest theoretisch.
Das ist ein direkter Angriff auf ElevenLabs, PlayHT und die geschlossenen Voice-APIs der großen Anbieter.
