Deepgram

语音识别与 TTS

Deepgram 提供语音识别、实时转写和语音合成接口。

Deepgram API 是 Deepgram 提供的语音接口,通过 deepgram.com 对外开放。开发者申请 Key 后即可调用,无需自己部署。

主要能力

  • 语音识别(STT):/v1/listen 接受音频二进制,支持多语种和词级时间戳。
  • 实时转写:WebSocket 流式接口,延迟常在几百毫秒。
  • 语音合成(TTS):/v1/speak 返回音频。
  • 音频智能:说话人分离、关键词检测、摘要。
  • 模型选择:nova 系列按精度和成本分档。

特点

  • 按秒计费,注册赠 $200 额度。
  • 延迟和价格是强项,小语种覆盖不如大厂。
  • 中文建议先小样本测准确率。

典型使用场景:实时字幕、电话机器人、语音助手、会议转写。

适合:实时语音应用、电话机器人。

  • 密钥
  • 免费额度
  • 定价
  • 文档

基本信息

认证
需要 API Key
免费额度
注册赠 $200 额度
额度来源
人工核实
商用限制
以官网为准
状态
需要 Key
最后检测时间
2026-11-18
分类
AI 与大模型

常见问题

Deepgram 送的额度是多少?
注册赠 $200,按秒计费,用完转按量;具体以控制台账单为准。
Deepgram 实时转写怎么接?
连 wss://api.deepgram.com/v1/listen?model=nova-3,边发音频边收部分结果,延迟常在几百毫秒。