Deepgram

جائزہ

Deepgram developers کو voice AI infrastructure فراہم کرتا ہے: speech-to-text، text-to-speech اور Voice Agent API، جس سے ایسے assistants بنائے جاسکتے ہیں جو real time میں سن کر جواب دیں۔ یہ call centres، voice agents، meeting tools اور media transcription جیسی products کے لیے موزوں ہے۔

اہم خصوصیات

• Speech-to-text: streaming اور pre-recorded audio کے لیے monolingual اور multilingual Nova-3 models، اور real-time dialogue کے لیے بنایا گیا conversational model Flux۔ Whisper Large بھی دستیاب ہے۔
• Text-to-speech: Aura-2، Aura-1 اور Flux TTS voices؛ Deepgram 45 سے زیادہ languages اور 100 سے زیادہ voice profiles کی فہرست دیتا ہے۔
• Voice Agent API: listening، language model اور speech کو ایک agent میں یکجا کرتا ہے۔ آپ اپنا LLM یا TTS لاسکتے ہیں اور functions call کرسکتے ہیں، مثلاً appointments book کرنے کے لیے۔
• Enterprise: enterprise plans پر custom data اور deployment requirements۔

قیمت

نئے accounts کو $200 کا free credit ملتا ہے؛ کوئی minimum یا expiry نہیں، اور credit card بھی درکار نہیں۔ Pay-as-you-go کی مثالیں:

• Speech-to-text: Nova-3 Monolingual streaming کے لیے $0.0077 فی منٹ یا pre-recorded کے لیے $0.0043 فی منٹ؛ Flux STT English $0.0077 فی منٹ۔
• Text-to-speech: Aura-2 کی قیمت $0.030 فی 1,000 characters؛ Aura-1 کی $0.0150۔
• Voice Agent API: standard configuration کے لیے $0.075 فی منٹ۔

Growth plan، جو سالانہ prepaid credit میں $4,000 سے شروع ہوتا ہے، ان rates کو 20% تک کم کرتا ہے؛ Enterprise custom ہے۔

یہ کس کے لیے ہے

ان developers اور product teams کے لیے جو voice features بنا رہے ہیں، جیسے transcription، call analytics، voice bots اور real-time assistants۔

شروع کیسے کریں

Free credit حاصل کرنے کے لیے sign up کریں، API key بنائیں اور اپنی audio پر accuracy کا موازنہ کرنے کے لیے pre-recorded endpoint پر مختصر recording بھیجیں۔ پھر model منتخب کرنے سے پہلے live microphone کے ساتھ streaming test کریں۔

قابلِ توجہ باتیں

Prices model، streaming اور pre-recorded audio کے فرق، اور plan کے مطابق بدلتی ہیں، اس لیے اپنے حقیقی minutes کے ساتھ اندازہ لگائیں۔ اپنے data پر accents، names اور domain terms کی جانچ کریں۔

ملتے جلتے tools

ElevenLabs، AssemblyAI، OpenAI Whisper، Speechmatics، Rev۔