關於 Deepgram Voice AI
About
什麼是 Deepgram
Deepgram 是一套語音 AI 平台，給需要在自己產品裡加入語音辨識與語音合成的開發者使用。它一手包辦語音應用裡的聽、想、說三件事，你不必再拼湊三家不同的供應商。
公司 2015 年從密西根大學的機器學習研究起家。如今有超過 20 萬名開發者使用它的模型，Twilio、Cloudflare 等夥伴也把語音功能架在同一批 API 上。Deepgram 表示，其基礎設施已處理超過 5 萬年的音訊。
最大的限制在於對象。這是 API 優先的產品，不是打開就能說話的 App。不寫程式的人沒有日常可用的介面。價格也跟著用量走，流量大的人得在推出前仔細估算成本。
開始使用
- 在 Deepgram 主控台建立免費帳號。新帳號可獲得 200 美元額度，且不需信用卡。
- 挑選模型與端點：直播音訊用串流語音轉文字，檔案用預錄端點，完整對話則用語音代理 API。
- 取得 API 金鑰，照著文件送出第一個請求，或先在 Playground 試聽某個聲音再動手寫程式。
- 把 API 接進自家 App 或代理，再從主控台緊盯用量，讓花費維持在可控範圍。
產品資訊
快速了解 Deepgram Voice AI 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 打造語音功能的開發者：Deepgram 把語音轉文字、文字轉語音與代理調度收在同一把金鑰之下，小團隊不必周旋於多家供應商就能推出會說話的產品。
- 成長中初創的產品團隊：依用量計費的方案免費起跑，讓你先做原型、拿到真實用量數據，再決定要不要投入每年 4,000 美元的 Growth 方案。
- 有合規要求的企業：SOC 2、HIPAA 與歐盟資料落地選項，加上自行架設的容器，適合金融或醫療團隊，前提是能走完採購流程。
任務
- 直播通話轉錄：串流模型會偵測發言輪替與插話，適合客服專線與會議工具這類多人搶話的場合。
- 批次音訊轉文字：預錄端點會轉錄上傳的檔案，需要時再加上講者分離、遮蔽與摘要，方便歸檔或分析。
- 語音代理對話：語音代理 API 用一條 WebSocket 連線跑完聽、推理與回話，你不必拼湊各項服務就能做出電話或聊天代理。
情境
- 把錄下來的會議變成筆記：送出預錄請求會拿回標好講者的排版轉錄稿，可直接餵進筆記流程。
- 自動接聽客戶來電：語音代理處理日常問題，並把邊緣情況轉給真人，聽與說都用同一套平台。
- 過濾通話檔案裡的敏感資料：遮蔽功能會在儲存轉錄稿前移除卡號等個資，對受監管的行業很實用。
主要功能
一套平台包辦整個語音堆疊
Deepgram 把語音轉文字、文字轉語音與代理調度收在同一個帳號與同一把 API 金鑰之下。計費、額度與模型都在單一主控台管理，不必對帳計三家供應商。對講求速度的團隊來說，這省下大量整合工夫。
Nova-3 與 Flux 語音辨識
Nova-3 是 Deepgram 的通用轉錄模型，Flux 則專為即時語音代理打造，內建發言輪替偵測。兩者都能處理多語音訊、背景雜音與遠場收音，應付即時轉錄特別拿手。模型由自家訓練，這也是 Deepgram 主打準確度與延遲的原因。
低延遲文字轉語音
語音合成這一側涵蓋 Aura-1、Aura-2 與較新的 Flux TTS，Deepgram 主打它在對話情境下延遲可低至 80 毫秒。你挑一個聲音，把音訊串回給來電者，服務按每 1,000 字元計費，而不是按分鐘。
語音代理 API
語音代理 API 在一條 WebSocket 連線裡跑完一輪完整對話：先聽，把文字送給 LLM，再唸出回覆。你可以自帶 LLM 或自帶語音合成來壓低成本，插話與發言輪替則交給 Deepgram 處理，代理就不會蓋過使用者。
音訊智慧加值功能
除了純轉錄，Deepgram 還提供摘要、主題偵測、情緒分析與意圖辨識。這些跑在 Deepgram 自家的小模型上，比把同一段文字丟進通用 LLM 便宜，也能幫你從錄下的對話裡挖出答案。
雲端、歐盟與自行架設的部署方式
你可以從美國雲端呼叫 Deepgram，基於資料落地把流量導向歐盟端點，或在自己的 GPU 上跑自行架設的容器。這樣的彈性讓受監管團隊把音訊留在自家網路內，又不必換掉模型。
優缺點
優點
- 語音轉文字、語音合成與代理工具都在同一套 API 底下，省去幾乎每個語音專案開頭都得做的供應商拼接。
- 按實際秒數計費，短音檔不會被進位，你付的就是實際處理的音訊長度。
- 註冊送的 200 美元額度不會過期，可以慢慢做原型，沒有期限壓力。
- 多語模型與歐盟資料落地，讓跨國團隊不必離開平台就有選擇。
缺點
- 沒有面向一般消費者的 App，不寫程式的人沒有東西可以直接打開來用。
- 依用量計費難以預測：忙碌的月份帳單會飆高，而 Growth 方案要先投入 4,000 美元。
- 最便宜的方案有並發上限，流量大的正式環境在上方案之前可能被卡住。
- 自行架設需要自備 NVIDIA GPU，對小團隊來說是實實在在的成本與維運負擔。
常見問題
Deepgram 這套語音辨識軟體用來為軟體加上語音辨識與語音合成。團隊拿它轉錄通話、產生語音回覆，以及運行能即時答覆問題的語音代理。
相關內容
探索與 Deepgram Voice AI 相關的工具、技能與文章。
Deepgram Voice AI 替代方案
Foley
Hanamori Labs, LLC · 語音與語言 · 生產力 · AI 助理Foley 是一款語音待辦清單，把一句話變成歸檔好的任務，專案、日期與時間都先填好，接著再幫你依現有清單排出一整天的順序。
HireKey
HireKey · 語音與語言 · 生產力 · AI 學習HireKey 是由前科技業招募主管打造的 AI 求職副駕駛。它分析職缺契合度、客製化履歷、帶你練習面試，並把每份申請整理在同一處。
Fluence
Yay Software (Yannick Huchard) · 寫作 · 語音與語言 · 生產力Fluence 是 Android 上的文件閱讀器，能朗讀 PDF、EPUB、Word 檔與網路文章，逐句跟著語音標示，並在手機上直接回答你對內容的提問。