Deepgram is a high-accuracy, low-latency speech-to-text API built for real-time and batch transcription at scale.
✓ メリット
- クラス最高のリアルタイム文字起こし遅延 (<300ms)
- Nova-2 モデルは、ノイズの多い音声に対して最高の精度を実現します
- 話者のダイアライゼーション、スマート フォーマット、トピック検出が含まれています
- サインアップ時にたっぷり 200 ドルの無料クレジットをプレゼント
✗ デメリット
- 多言語サポートは Azure Speech や Google STT よりもまだ狭い
- エンタープライズ層のみのオンプレミス展開
- 会議レコーダーは内蔵されていない - API のみの製品
| 無料プランあり | ✓ 無料プランあり |
| 料金モデル | usage |
| 価格 (1 hour) | $0.10 USD |
| 機能 | |
| 対応言語 | en, ja |
| API | ✓ 利用可能 ドキュメント ↗ |
| 料金プラン | Free$0$200 in free credits on signup Pay-as-you-go$0.0043/minNova-2 model, no commitment GrowthFrom $4,000/yrVolume discounts, dedicated support EnterpriseCustomOn-prem, SLA, custom models |
| 対応環境 | |
| 連携 | Twilio, Vonage, AWS, WebSocket streaming, Node.js / Python SDK |
| 公式サイト | https://deepgram.com |
AI解説
DeepgramのNova-2モデルは、英語音声の精度と遅延において、独立したSTTベンチマークで常にトップかそれに近いスコアを記録しています。WebSocketベースのリアルタイムストリーミングは、ライブキャプション、コールセンター分析、音声ファーストアプリ開発者に好まれています。包括的なSDK、優れたドキュメント、寛大な無料枠によるDXの良さが強いコミュニティを築いています。多言語の幅はAzure Speechに比べてまだ課題があります。