Deepgram Voice AI
Deepgram · 음성 및 언어
Deepgram은 음성을 텍스트로, 텍스트를 음성으로 바꾸고 실시간 음성 에이전트를 하나로 묶인 API로 돌리는 음성 AI 플랫폼이다.
Deepgram Voice AI 소개
About
Deepgram이란
Deepgram은 자기 제품에 음성 인식과 음성 합성을 넣으려는 개발자를 위한 음성 AI 플랫폼이다. 음성 앱의 듣기, 생각하기, 말하기를 한 번에 맡으므로 서로 다른 업체를 이어 붙이는 수고가 없다.
회사는 2015년 미시간 대학의 머신러닝 연구에서 출발했다. 지금은 20만 명이 넘는 개발자가 모델을 쓰고, Twilio와 Cloudflare 같은 파트너도 같은 API 위에 음성 기능을 올린다. 회사에 따르면 인프라는 5만 년이 넘는 오디오를 처리했다.
가장 큰 제약은 대상이다. API 우선 제품이라 열어서 말을 거는 앱이 아니다. 코드를 쓰지 않는 사람을 위한 일상적인 화면이 없다. 요금도 사용량에 따라 움직이므로 트래픽이 많다면 출시 전에 비용을 꼼꼼히 따져야 한다.
시작하기
- Deepgram Console에서 무료 계정을 만든다. 새 계정에는 200달러 크레딧이 붙고 신용카드는 필요 없다.
- 모델과 엔드포인트를 고른다. 라이브 오디오는 스트리밍 음성 인식, 파일은 사전 녹음, 대화 전체는 음성 에이전트 API를 쓴다.
- API 키를 받아 문서대로 첫 요청을 보낸다. 코드를 쓰기 전에 Playground에서 목소리를 시험해 봐도 좋다.
- 자기 앱이나 에이전트에 API를 붙이고 Console에서 사용량을 지켜보며 비용을 관리한다.
제품 정보
Deepgram Voice AI의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.
추천 대상
이 도구가 가장 잘 맞는 사용자, 작업, 상황입니다.
사용자
- 음성 기능을 만드는 개발자. Deepgram은 음성 인식, 음성 합성, 에이전트 제어를 하나의 키로 묶어 두어 작은 팀도 여러 업체를 끼지 않고 말하는 제품을 낼 수 있다.
- 성장 중인 스타트업의 제품 팀. 종량제 요금제가 무료로 시작하므로 연 4,000달러짜리 Growth 요금제를 택하기 전에 시제품을 만들고 실제 사용 데이터를 모을 수 있다.
- 규제 대응이 필요한 기업. SOC 2, HIPAA, EU 데이터 상주 옵션과 자체 호스팅 컨테이너는 금융이나 의료 팀에 맞는다. 다만 구매 절차를 감당할 수 있어야 한다.
작업
- 실시간 통화 받아쓰기. 스트리밍 모델이 발화 순서와 끼어들기를 감지하므로 말이 겹치는 상담 창구나 회의 도구에 어울린다.
- 오디오 파일 일괄 텍스트화. 사전 녹음 엔드포인트는 올린 파일을 받아쓰고 필요하면 화자 분리, 가림 처리, 요약을 더한다. 보관이나 분석에 쓸 수 있다.
- 음성 에이전트 대화. 음성 에이전트 API는 듣기, 추론, 말하기를 하나의 WebSocket 연결에서 처리하므로 여러 서비스를 이어 붙이지 않고 전화나 채팅 에이전트를 만든다.
활용 상황
- 녹음한 회의를 회의록으로 바꾸기. 사전 녹음 요청이 화자를 표시한 정돈된 받아쓰기를 돌려주므로 그대로 회의록 흐름에 넣을 수 있다.
- 고객 전화를 자동으로 응대하기. 음성 에이전트가 일상적인 질문을 처리하고 예외 상황은 사람에게 넘긴다. 듣는 쪽과 말하는 쪽 모두 같은 플랫폼에서 해결된다.
- 통화 기록에서 민감 정보 걸러내기. 가림 처리가 카드 번호 같은 개인정보를 받아쓰기를 저장하기 전에 지우므로 규제 업종에 유용하다.
주요 기능
음성 스택 전체를 한 플랫폼으로
Deepgram은 음성 인식, 음성 합성, 에이전트 제어를 하나의 계정과 하나의 API 키에 담는다. 청구, 한도, 모델을 단일 Console에서 관리하므로 업체 세 곳을 맞출 필요가 없다. 빠르게 내놓으려는 팀에는 통합 작업이 크게 줄어든다.
Nova-3와 Flux 음성 인식
Nova-3는 Deepgram의 범용 받아쓰기 모델이고, Flux는 발화 순서 감지를 내장해 실시간 음성 에이전트 전용으로 만들었다. 둘 다 다국어 오디오, 배경 소음, 원거리 수음에 대응한다. 모델은 자체 학습하며, 그래서 Deepgram은 정확도와 지연을 전면에 내세운다.
낮은 지연의 음성 합성
합성 쪽은 Aura-1, Aura-2, 그리고 더 새로운 Flux TTS를 아우른다. Deepgram은 Flux TTS를 대화 용도로 내세우며 지연이 최단 80밀리초라고 설명한다. 목소리를 골라 발신자에게 오디오를 돌려주고, 요금은 분이 아니라 1,000자마다 매긴다.
음성 에이전트 API
음성 에이전트 API는 하나의 WebSocket 연결에서 대화 한 주기를 돌린다. 듣고, 텍스트를 LLM에 넘기고, 답을 읽어 준다. LLM이나 음성 합성을 직접 가져오면 비용을 낮출 수 있고, 끼어들기와 발화 순서는 Deepgram이 처리하므로 에이전트가 사용자를 덮지 않는다.
오디오 인텔리전스 부가 기능
단순 받아쓰기를 넘어 Deepgram은 요약, 주제 탐지, 감정 분석, 의도 인식을 제공한다. 자체 소형 모델에서 돌아가므로 같은 텍스트를 범용 LLM에 넣는 것보다 저렴하고, 녹음한 대화에서 답을 끌어내는 데 도움을 준다.
클라우드, EU, 자체 호스팅 배포
Deepgram은 미국 클라우드에서 호출하거나, 데이터 상주를 위해 EU 엔드포인트로 트래픽을 보내거나, 자체 GPU에서 자체 호스팅 컨테이너를 돌릴 수 있다. 이 폭 덕분에 규제 업종 팀은 모델을 바꾸지 않고 오디오를 자기 네트워크 안에 둘 수 있다.
장단점
장점
- 음성 인식, 음성 합성, 에이전트 도구가 같은 API 아래 있어 거의 모든 음성 프로젝트가 처음에 하는 업체 연결 작업을 줄여 준다.
- 실제 초 단위로 청구해 짧은 오디오를 올림하지 않으므로 처리한 오디오 길이만큼만 낸다.
- 가입 시 주는 200달러 크레딧에 만료가 없어 기한에 쫓기지 않고 몇 달간 시제품을 만들 수 있다.
- 다국어 모델과 EU 데이터 상주 덕에 글로벌 팀이 플랫폼을 떠나지 않고 선택지를 가진다.
단점
- 소비자용 앱이 없어 코드를 쓰지 않는 사람이 바로 열어 쓸 것이 없다.
- 종량제 요금은 예측하기 어렵다. 바쁜 달에는 청구서가 치솟고 Growth 요금제는 4,000달러 선결제를 요구한다.
- 가장 싼 요금제는 동시 연결 수를 제한하므로 트래픽이 많은 실제 운영은 상위 요금제로 올리기 전까지 묶일 수 있다.
- 자체 호스팅에는 NVIDIA GPU가 필요해 작은 팀에는 실질적인 비용과 운영 부담이 된다.
자주 묻는 질문
Deepgram은 소프트웨어에 음성 인식과 음성 합성을 더하는 데 쓴다. 음성 인식 소프트웨어의 핵심으로, 통화 받아쓰기, 읽어 주는 답변 생성, 실시간으로 질문에 답하는 음성 에이전트 운영에 활용된다.
관련 콘텐츠
Deepgram Voice AI와 관련된 도구, 스킬, 아티클을 살펴보세요.
Deepgram Voice AI 대안
Foley
Hanamori Labs, LLC · 음성 및 언어 · 생산성 · AI 어시스턴트Foley는 음성 할 일 목록이다. 말한 한 문장을 프로젝트와 날짜, 시간까지 붙은 작업으로 정리하고, 그다음에는 이미 있는 목록을 기준으로 하루 순서를 짠다.
HireKey
HireKey · 음성 및 언어 · 생산성 · 학습HireKey는 테크 업계 리크루터가 만든 AI 구직 코파일럿이다. 직무 적합도 분석, 이력서 맞춤화, 면접 연습, 지원 현황 관리를 한 화면에 모은다.
Fluence
Yay Software (Yannick Huchard) · 글쓰기 · 음성 및 언어 · 생산성Fluence는 Android용 문서 리더다. PDF, EPUB, Word 파일과 웹 글을 소리 내어 읽고, 읽는 문장을 화면에서 따라가며, 본문에 대한 질문에 기기 안에서 답한다.