關於 Deepgram
Deepgram 是一個語音 AI API 平台，適合需要在產品中加入轉錄、語音合成、對話代理或音訊分析功能的開發人員。語音轉文字可處理即時串流和錄製音訊。Flux 專注於偵測對話輪次，Nova-3 專注於轉錄，Aura-2 則用於串流文字轉語音。Voice Agent API 將聆聽與說話整合至同一個工作流程。團隊可以先使用公有雲端點；若重視基礎設施控制權，也可評估自行託管部署。新帳戶可獲得 $200 使用額度；用完後會依隨用隨付方式收費。這降低了早期測試的門檻，但規劃正式環境時仍須審慎。並行量會因端點和 API 類型而異，成本取決於模型選擇及工作負載，部分部署或支援需求也可能需要簽訂企業協議。
功能特性
即時轉錄
在通話、會議、Podcast 或媒體串流的音訊傳入時，將其轉換為可搜尋的文字；也可提交錄音進行批次處理。產品團隊可將逐字稿用於字幕、可搜尋的檔案庫、代理輔助畫面、分析及後續自動化。投入正式環境前，團隊應選擇合適的辨識模型和 API 傳輸方式，並根據該端點的並行量限制規劃容量。
對話式語音代理
結合對話式語音辨識、輪次偵測和生成式語音，為客戶支援及服務流程建立語音助理。Flux 可協助判斷說話者何時已說完，而 Voice Agent API 和文字轉語音元件則支援回應流程。將這些語音功能集中在同一個平台有助減少整合工作，但團隊仍須使用真實情境的通話測試延遲、中斷處理、語言涵蓋範圍及並行量。
音訊智慧
在產生逐字稿的同時，從對話音訊中擷取主題、摘要、情緒訊號及其他結構化資訊。聯絡中心可將輸出導入品質審查及客戶體驗分析，研究團隊則可用其整理大量訪談或通話內容。產生的訊號應納入現有的審查或報告流程；若自動解讀可能影響客戶或營運決策，則應由人工核查。
語音生成
為需要在即時互動中提供語音回應的客戶支援、銷售、醫療保健及金融應用程式串流合成語音。團隊可在試用平台中試聽語音，透過 REST 或 WebSocket API 連接 Aura-2，並衡量傳送延遲是否符合互動設計。正式環境評估也應涵蓋語音與語言的適配性、工作負載量、端點並行量，以及預期回應長度所產生的使用成本。
優點
- 初始提供的 $200 額度，可在按用量計費開始前降低整合測試成本。
- 語音轉文字、文字轉語音、語音代理及音訊智慧可共用同一供應商的工作流程。
- 即時、批次、雲端及自行託管選項可涵蓋廣泛的部署模式。
缺點
- 沒有持續免費的方案；初始 $200 使用額度用完後便會開始收費。
- REST、WebSocket、Whisper Cloud 及各產品端點的並行量限制不同，因此容量規劃須格外審慎。
- 模型和工作負載的選擇會影響最終費用，企業部署需求也可能需要與銷售團隊洽談。
價格方案
隨用隨付
- 無最低承諾用量
- 額度不會到期
- 開始使用時無須信用卡
- 可存取公開模型端點
* 價格資訊僅供參考，請以Deepgram官網最新公告為準。