PROVIDER - 语音识别与语音智能 API 平台

Deepgram

Deepgram 提供 Nova 系列语音识别模型,主打低延迟流式转写,支持 30 种以上语言与说话人分离,并同时提供语音合成接口,按秒级音频计费且有免费额度,配套 3 种以上 SDK 与 WebSocket 实时接口;不足是中文方言效果弱于国内厂商、不支持自托管。

AI平台 美国 2026.11.19
4.2分

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 ↗