Deepgram

概述

Deepgram 为开发者提供语音 AI 基础设施：语音转文字、文字转语音，以及用来搭建实时“边听边答”助手的 Voice Agent API。主要用在客服中心、语音智能体、会议工具和媒体转写等产品里。

主要功能

• 语音转文字：Nova-3 模型，支持实时流和录音文件，分单语言和多语言版本；Flux 是为实时对话设计的识别模型；也提供 Whisper Large。
• 文字转语音：Aura-2、Aura-1 和 Flux TTS，官方称支持 45 种以上语言、100 多种声音。
• Voice Agent API：把识别、大模型和语音合成合成一个智能体，可自带大模型或语音合成，并支持函数调用，比如帮用户预约。
• 企业功能：企业版可按需满足数据和部署要求。

价格

新账户赠送 $200 额度，无最低消费、不过期、不需要信用卡。按量付费示例：

• 语音转文字：Nova-3 单语言实时 $0.0077/分钟，录音 $0.0043/分钟；Flux 英文实时 $0.0077/分钟。
• 文字转语音：Aura-2 每千字符 $0.030，Aura-1 $0.0150。
• Voice Agent API：标准配置 $0.075/分钟。 Growth 套餐（每年预付 $4,000 起）单价最多便宜 20%；企业版另议。

适合谁

要做语音功能的开发者和产品团队：转写、通话分析、语音机器人和实时助手。

怎么开始

注册领取免费额度，创建 API 密钥，先用一段自己的录音调用录音接口看识别效果，再用麦克风测试实时流，最后再选定模型。

注意事项

价格因模型、实时或录音、套餐而不同，按自己的实际分钟数估算成本。口音、人名和专业词汇要用自己的数据测试。

同类工具

ElevenLabs、AssemblyAI、OpenAI Whisper、Speechmatics、Rev。