详细说明
优势 5 项
提供 Nova 系列语音识别模型,主打低延迟流式转写,1 次请求即可拿到结果
支持 30 种以上语言的识别与说话人分离,1 次调用即可拿到结构化结果
同时提供语音合成接口,可在 1 个平台内完成转写与播报的闭环
按秒级音频计费且提供免费额度,原型阶段可用 0 成本完成验证
提供 Python、JavaScript 等 3 种以上 SDK 与 WebSocket 实时接口
不足 4 项
中文与方言识别效果弱于国内厂商
高级音频智能功能按模块单独计费
自托管不支持,需依赖云服务
长音频批量处理成本需提前测算
服务商概述
Deepgram 是专注语音识别与语音智能的 API 平台,以自研 Nova 模型提供低延迟转写能力。
在 AI 平台分类里,它属于「语音与音频」:为会议、客服与语音助手提供识别基础设施。
核心优势
- 低延迟转写:流式接口可用
- 多语言覆盖:30 种以上
- 说话人分离:结构化输出
- 合成能力:转写播报闭环
- 按量计费:含免费额度
产品生态
平台能力
流式与批量语音识别、实时字幕、说话人分离、关键词与摘要提取、语音合成、用量与项目配额管理。
集成
提供多语言 SDK 与 WebSocket 接口,可与联络中心、会议系统与自有应用集成。
典型场景
会议实时字幕、客服通话质检、语音助手前端识别、播客转写与摘要。
不足之处
- 中文效果:方言弱于国内厂商
- 计费拆分:增值模块单独计费
- 部署形态:不支持自托管
- 长音频成本:需提前测算
适用场景
- 实时语音字幕(★★★★★):流式低延迟
- 客服通话分析(★★★★☆):说话人分离好用
- 中文本土项目(★★☆☆☆):建议对比国内方案
- 必须内网部署(★☆☆☆☆):不适用
价格参考
| 项目 | 价格 | 备注 |
|---|---|---|
| 免费额度 | $0 | 含一定时长用于测试 |
| Pay as you go | 按音频时长计费 | 预录与实时单价不同 |
| Enterprise | 需联系销售 | 高并发与专属支持 |
常见问题
支持中文吗?
支持,但方言与口音场景建议先做小样本评测。
能实时返回结果吗?
支持 WebSocket 流式接口,适合字幕与语音助手。
是否支持自托管?
不支持,仅提供云服务。
计费按什么单位?
按音频秒数计费,增值分析模块另行计价。
代码示例
from deepgram import DeepgramClient
client = DeepgramClient("YOUR_API_KEY")
with open("meeting.wav", "rb") as f:
resp = client.listen.v1.media.transcribe_file(
request=f.read(), model="nova-3", smart_format=True, language="en"
)
print(resp.results.channels[0].alternatives[0].transcript)
# 安装官方 SDK
pip install deepgram-sdk
社区与资源
- 官方网站:https://deepgram.com/
- 官方文档:https://developers.deepgram.com/
- 源码仓库:https://github.com/deepgram
前往 Deepgram 官网 →
https://deepgram.com/
访问官网 ↗
推荐文章
- 01 OpenAI 发布 GPT-5.4,API 与开发者平台能力继续升级 03-10
- 02 Cloudflare AI Gateway 增加预算上限,帮助团队控制模型调用成本 06-05
- 03 AI 视频剪辑工具评测:2026 年最值得使用的 AI 视频编辑平台 07-18
- 04 OpenAI 发布 GPT-5.6 系列:三档模型重塑 AI 性价比 08-05
- 05 OpenAI GPT-5 发布:对网站开发和 AI 应用部署的影响分析 07-12
- 06 AI 客服机器人搭建指南:从零构建智能客服系统 07-18
- 07 Anthropic 发布 Claude Opus 5:以 Opus 4.8 的成本逼近前沿智能 08-05
- 08 AI 模型部署指南:2026 年托管和运行开源大模型的 5 种方案 07-12
- 09 2026 年 AI 建站工具全景:从设计到部署的 AI 辅助工作流 07-12
- 10 AI 音乐生成工具横向对比:Suno、Udio、MusicFX 哪家强 07-18