Deepgram

Nova-3는 Deepgram의 대표 받아쓰기 모델이다. Deepgram에 따르면 소음이 많은 통화나 강한 억양처럼 까다로운 음성에서 정확도가 올라가고 45개 이상 언어를 지원한다. 영어에서는 문장 중간의 언어 전환도 처리해 두 언어를 섞어 말하는 사람도 하나의 받아쓰기에 담긴다.

Flux는 단순 받아쓰기가 아니라 실시간 대화를 겨냥한다. 무음이 아니라 의미로 발화가 끝났는지 판단하기에 음성 에이전트가 상대를 끊지 않는다. 끼어들기도 처리해 대화 중간에 말을 시작한 사용자에게 멈춘 회선 대신 응답이 돌아간다.

Aura와 Flux TTS 모델은 글을 자연스러운 음성으로 바꾸며 지연 시간은 최저 80밀리초 수준이다. Flux TTS는 대화 전체에 걸쳐 어조와 맥락을 유지해 답변이 따로 떨어진 조각처럼 들리지 않는다. 이미 즐겨 쓰는 음성 업체가 있다면 Deepgram TTS를 섞어 써도 된다.

음성 인식 도구, 음성 합성 도구, 언어 모델을 따로 연결하는 대신 음성 에이전트 API가 셋을 함께 묶는다. 한 번의 호출이 듣고, 생각하고, 말하는 일을 맡는다. 그만큼 통합 작업이 줄고, 분리된 서비스 사이에서 데이터가 오갈 때 쌓이는 지연도 줄어든다.

Audio Intelligence는 받아쓰기 위에 의미를 얹는다. 요약은 긴 통화를 핵심으로 줄이고, 주제 감지는 무엇을 이야기했는지 표시하며, 감정 분석은 대화가 어떤 느낌이었는지 점수를 매긴다. 개체 감지는 사람 이름, 장소, 날짜를 자동으로 뽑아낸다.

화자 분리는 누가 언제 말했는지 표시하는데, 여러 사람이 나누는 통화와 인터뷰에서 꼭 필요하다. 스마트 포매팅은 문장부호를 붙이고 대소문자를 고치며, 소리 내어 말한 날짜와 금액을 읽기 쉬운 형태로 바꾼다. 둘 다 추가 기능으로 돌아가니 필요한 프로젝트에서만 켜면 된다.

Deepgram은 자사 클라우드에서 돌지만, 데이터 규칙이 엄격한 팀을 위해 자체 호스팅과 온프레미스 방식도 제공한다. 전용 EU 엔드포인트는 음성 처리를 유럽연합 안에 붙잡아 둔다. 이 유연함은 공용 클라우드를 쓸 수 없는 기업을 겨냥한다.