Deepgram is a high-accuracy, low-latency speech-to-text API built for real-time and batch transcription at scale.
✓ 优点
- 一流的实时转录延迟（<300ms）
- Nova-2 模型可在嘈杂的音频中提供最高的准确度
- 包括说话人分类、智能格式和主题检测
- 注册时可获得 200 美元的免费赠金
✗ 缺点
- 多语言支持仍然比 Azure Speech 或 Google STT 窄
- 仅在企业层进行本地部署
- 无内置会议记录器 - 仅 API 产品
| 免费套餐 | ✓ 免费套餐 |
| 定价模式 | usage |
| 价格 (1 hour) | $0.10 USD |
| 功能 | |
| 支持语言 | en, ja |
| API | ✓ 可用 文档 ↗ |
| 定价方案 | 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 |
| 支持平台 | |
| 集成 | Twilio, Vonage, AWS, WebSocket streaming, Node.js / Python SDK |
| 官方网站 | https://deepgram.com |
AI点评
Deepgram的Nova-2模型在英语音频的准确性和延迟方面，在独立STT基准测试中始终名列前茅。基于WebSocket的实时流式传输是实时字幕、呼叫中心分析和语音优先应用开发者的首选。全面的SDK、良好的文档和慷慨的免费套餐建立了强大的开发者社区。与Azure Speech相比，多语言广度仍是差距所在。