总部位于加利福尼亚州旧金山的语音人工智能平台 Deepgram 宣布推出 Deepgram Saga，这是一款专为开发者设计的语音操作系统，旨在消除现代开发中频繁切换工具、寻找信息的「隐形税」，让开发者能够专注于构建，而非琐碎的操作。Saga 通过语音，将开发者的想法直接转化为行动，显著提升生产力。

Deepgram 成立于 2015 年，最初在中国的一个暗物质探测器中进行波形分析的机器学习研究。首席执行官兼联合创始人斯科特·斯蒂芬森（Scott Stephenson）和他的团队后来在密歇根大学探索音频分析的深度学习。看到语音转文本市场的空白，他们利用端到端的深度学习构建了 Deepgram。如今，Deepgram 是一个专注于企业用例的完整语音人工智能平台，提供语音转文本（STT）、文本转语音（TTS）以及完整的语音转语音（STS）功能，所有这些功能都由 Deepgram 的企业级运行时提供支持。

Deepgram 是语音与人工智能融合的一个有趣案例，其创始人坚信语音原生控制可以降低开发人员的门槛，尤其是对于那些有身体或认知障碍的开发人员，提供了一条从想法到执行的免提、无缝的路径。


Deepgram 的新 Saga 语音操作系统将这一概念扩展到一个通用的语音界面，直接嵌入开发人员的工作流中，允许用户通过自然语音控制他们的技术堆栈。下面是Saga的特点：

语音优先的工作流程控制：将自然语音转化为跨工具工作流执行，开发者不再需要手动操作和在不同应用间切换。只需简单口述，Saga 即可完成复杂任务。

智能提示生成：开发者可以用模糊的想法表达需求，Saga 会将其转化为清晰明确的一次性提示，供 Cursor 等 AI 辅助工具使用，显著减少试错次数。例如，说出 「构建一个对表情符号做出反应的 Slack 机器人」，Saga 即可生成精确的编码指令。

端到端工作流执行：一句语音命令即可触发整个开发堆栈的协调操作，极大地简化了开发流程。例如，只需说 「运行测试，提交更改，部署并更新团队」，Saga 便能自动完成所有步骤，无需手动干预。

实时文档记录：Saga 能够捕捉开发者的思考过程，将其转化为结构化文档、工单或 PR 描述，无需额外的记录工作，确保知识沉淀。

上下文工具集成：Saga 内嵌于现有开发工具中，开发者无需切换到独立的 AI 聊天窗口，答案和操作直接在工作界面显示。

自然代码生成：开发者口述需求，如 「帮我获取上周注册的前 10 名用户」，Saga 即可即时生成 SQL 或 JavaScript 代码片段，无需开发者自己编写或查找语法。

开发者生态友好：Saga 与开发者常用的工具（如 Cursor、Windsurf、Linear、Asana、Jira、Slack、Google Docs、Gmail、Google Sheets）无缝集成，无需改变现有工作习惯。

基于 MCP 的 AI 原生开发：专为依赖 AI 代理、并将工作流程视为可编程操作系统的新一代技术用户设计，可轻松集成到现有技术栈。


相关链接：

https://deepgram.com/product/saga

(@Deepgram)