Deepgram

Обзор

Deepgram предоставляет разработчикам инфраструктуру голосового ИИ: speech-to-text, text-to-speech и Voice Agent API для создания помощников, которые слушают и отвечают в реальном времени. Платформа предназначена для таких продуктов, как колл-центры, голосовые агенты, инструменты для встреч и транскрибация медиа.

Основные возможности

• Speech-to-text: модели Nova-3 для потокового и предварительно записанного аудио в моноязычных и многоязычных версиях, а также Flux — разговорная модель для диалогов в реальном времени. Доступна и Whisper Large.
• Text-to-speech: голоса Aura-2, Aura-1 и Flux TTS; Deepgram указывает более 45 языков и свыше 100 голосовых профилей.
• Voice Agent API: объединяет прослушивание, языковую модель и речь в одном агенте. Можно подключить собственные LLM или TTS и вызывать функции, например для записи на прием.
• Enterprise: индивидуальные требования к данным и развертыванию на корпоративных планах.

Цены

Новые аккаунты получают $200 бесплатного кредита: без минимального объема, срока действия и обязательной банковской карты. Примеры оплаты по мере использования:

• Speech-to-text: Nova-3 Monolingual — $0.0077 за минуту потокового аудио или $0.0043 за минуту предварительно записанного; Flux STT English — $0.0077 за минуту.
• Text-to-speech: Aura-2 — $0.030 за 1 000 символов; Aura-1 — $0.0150.
• Voice Agent API: $0.075 за минуту для стандартной конфигурации.

План Growth с предоплаченным кредитом от $4 000 в год снижает эти тарифы максимум на 20%; условия Enterprise рассчитываются индивидуально.

Для кого

Для разработчиков и продуктовых команд, создающих голосовые функции: транскрибацию, аналитику звонков, голосовых ботов и помощников реального времени.

Как начать

Зарегистрируйтесь и получите бесплатный кредит, создайте API-ключ и отправьте короткую запись на endpoint для предварительно записанного аудио, чтобы проверить точность на собственных данных. Затем протестируйте потоковую обработку с живым микрофоном перед выбором модели.

Что учесть

Цены зависят от модели, типа аудио — потокового или предварительно записанного — и плана, поэтому рассчитывайте стоимость по своим реальным минутам. Проверьте на собственных данных акценты, имена и термины вашей предметной области.

Похожие инструменты

ElevenLabs, AssemblyAI, OpenAI Whisper, Speechmatics, Rev.