Deepgram
定位：为真实对话而非录音转写而生
官网首页的表述是「为真实对话打造的语音 AI」，产品口号则把两条线说得很直白：Flux 负责听，Flux TTS 负责说。它强调自己是「第一个对话感知的语音平台」，原生理解轮次转换、能处理打断、并在整段对话中保持上下文；同时说明这些能力可以在实时或批量模式下使用，也可以跑在云端或自托管环境里。这个定位说明它瞄准的不是「把录音转成文字」这一件事，而是让机器参与实时对话。
深度介绍
Deepgram详细介绍
产品线：一个平台覆盖语音全栈
官网把平台分为四块：语音转文字（实时转写、面向生产的准确率）、文本转语音（有表现力的音色、延迟最低约 80 毫秒）、语音智能体（一次接口调用完成实时对话）与音频智能（从每段对话中提取洞察）。四者共用同一套账号、密钥与计费体系，接口形态也保持一致。对工程团队的实际意义是：语音链路里的识别、合成与对话编排可以放在同一个供应商下完成，而不是分别对接三家再把结果拼起来。
统一的语音智能体接口
官网特别强调「统一」这件事：通常搭建语音智能体需要把语音识别、文本转语音与大模型编排三段分别接起来，而 Deepgram 把它们合并到一套接口里，官方给出的收益是降低复杂度、延迟与成本。页面上的流程示意是：用户语音输入先经识别，再交给模型编排并结合业务逻辑与外部系统，最后由语音合成说出来。这类一体化方案的优势在链路可控，代价是可替换性下降——选型时可以确认每一段是否仍能独立替换模型。
识别模型矩阵：Flux、Nova-3 与行业定制
识别侧按用途分了四类模型：Flux STT 面向实时语音智能体，内置轮次判断、自然打断处理与超低延迟，覆盖 10 种语言；Nova-3 面向生产级转写，官方称在准确率、抗噪与多语言上表现最好，覆盖 50 多种语言；行业定制模型面向医疗、法律与金融等领域的专有词汇与结构；此外还可基于自有数据训练定制模型。官方给出的延迟口径是转写在 300 毫秒内返回，并强调在嘈杂、带口音或多人重叠说话时仍能保持准确率。
Flux TTS：官方称「说话前先思考」
合成侧当前主推 Flux TTS，官方的说法是「第一个说话前先思考的语音模型」——在整个对话中保持语气、表达与连贯性，而不是逐句独立合成。官网同时给出了一段限时活动信息：该模型可免费使用至 9 月 12 日，期间美国区最多 45 路并发流、欧盟与澳洲区最多 5 路。对人机对话场景，语音合成的稳定性与情绪连贯性往往比单句音质更影响体验，评估时建议按整段对话来听，而不是只听单句样本。
计费方式：按量计费与预付折扣
价格页的规则比较直白：注册即赠送 200 美元额度，用完后转为按量计费，无最低消费、额度不过期、无需信用卡；Growth 档按年预付费用购买额度，官方称最多可省 20%，起价为每年 4,000 美元以上，额度按实际用量抵扣；企业版按需报价。各接口还设有并发上限，免费与按量档、Growth 档的数值不同（例如识别接口的流式并发上限分别为 150 与 225）。具体单价随模型与促销变化，官网以「现价／原价」并列展示，例如 Flux 英语流式的促销价约为每分钟 0.0065 美元。
部署与行业方案：自托管与企业定制
除云端接口外，官网单独设有自托管页面，面向需要在自有环境中运行语音服务的企业；企业侧还提供定制模型与面向呼叫中心、语音分析、对话式 AI、播客转写与医疗转写的解决方案。这类能力通常与数据合规、时延与成本相关：例如医疗转写涉及隐私与审计，呼叫中心则关注高并发下的稳定性。官网另列出「Powered by Deepgram」计划，面向把语音能力嵌入自家产品的平台与合作伙伴。
公司动态：2026 年 1 月完成 C 轮融资
官方新闻稿显示，Deepgram 于 2026 年 1 月 13 日宣布完成 1.3 亿美元 C 轮融资，估值 13 亿美元，由 AVP 领投。公告说明这笔资金用于推进其面向实时语音 AI 的接口平台、支持「Powered by Deepgram」计划、完成对 OfOne 的收购（把实时语音自动化拓展到餐饮免下车场景）、扩充专利组合，并在旧金山设立新的语音 AI 协作中心。对选型者而言，这说明供应商具备持续投入的能力，但融资与并购信息应以官方公告为准。
产品特点
核心功能与独有价值
面向对话感知的实时语音
官方称其为「对话感知」平台：原生处理轮次转换、打断与上下文延续，Flux STT 与 Flux TTS 分别负责听与说，并可在实时或批量模式下使用。
识别、合成与编排合并到一套接口
语音识别、文本转语音与大模型编排由一套接口与一个语音智能体接口承载，官方称这样能降低集成的复杂度、延迟与成本，代价是链路内各组件的可替换性需要额外确认。
模型按用途分档
Flux STT 面向实时对话（10 种语言、内置轮次判断），Nova-3 面向生产转写（50 多种语言、强调抗噪），另有医疗、法律与金融的行业定制模型和基于自有数据的定制训练。
云端与自托管两条部署路径
既可直接调用云端接口，也提供自托管部署页面与企业定制方案，另有面向呼叫中心、语音分析、对话式 AI、播客与医疗转写的行业解决方案。
最近动态
重要更新
完成 1.3 亿美元 C 轮融资（2026-01-13）
官方新闻稿显示公司完成 1.3 亿美元 C 轮融资、估值 13 亿美元，由 AVP 领投；资金用于推进实时语音接口平台、支持合作计划、完成对 OfOne 的收购、扩充专利组合，并在旧金山设立语音 AI 协作中心。
Flux TTS 限时免费与并发额度（核验时点）
官网当前显示 Flux TTS 可免费使用至 9 月 12 日，活动期间美国区最多 45 路并发流式连接、欧盟与澳洲区最多 5 路；同时把该模型描述为「说话前先思考」的语音模型，强调整段对话中的语气与表达连贯性。
识别模型与语言覆盖（核验时点）
语音转文字页面当前列出 Flux STT（对话式、10 种语言、内置轮次判断与打断处理）、Nova-3（生产转写、50 多种语言、强调抗噪与多语言）、行业定制模型（医疗、法律、金融）与自定义模型四类，并给出转写在 300 毫秒内返回的延迟口径。
计费与并发分档（核验时点）
价格页当前列出按量计费（先赠 200 美元额度）与 Growth 预付档（每年 4,000 美元起、最多省 20%）以及企业档，并按接口给出并发上限：识别接口 REST 为 50、流式为 150 或 225，合成与语音智能体为 45 或 60，音频智能为 10。单价随模型与促销变化，请以官网当期表格为准。
产品总结
Deepgram 是一家做企业级语音 AI 的厂商。官网的定位是「为真实对话打造的语音 AI」，产品口号把两条主线概括为「Flux STT 负责听、Flux TTS 负责说」，并强调自己是对话感知的平台：原生理解轮次转换、能处理打断，并在整段对话中保持上下文；这些能力既可在实时模式下使用，也可用于批量处理，部署上支持云端与自托管。 产品线覆盖语音转文字、文本转语音、语音智能体与音频智能四块，其中语音智能体接口把识别、合成与大模型编排合并到一套接口中，官方称这样能降低集成的复杂度、延迟与成本。识别侧按用途分为四类模型：Flux STT 面向实时语音智能体，内置轮次判断与打断处理，覆盖 10 种语言；Nova-3 面向生产级转写，覆盖 50 多种语言并强调抗噪表现；另有面向医疗、法律与金融的行业定制模型以及基于自有数据的定制训练。官方给出的转写延迟口径是 300 毫秒内返回，并称在嘈杂、带口音或多人重叠说话时仍能保持准确率。 合成侧当前主推 Flux TTS，官方称其为「说话前先思考」的语音模型，强调在整段对话中保持语气与表达连贯性，并给出限时免费活动与并发额度。计费方面，注册赠送 200 美元额度后按量计费，无最低消费；Growth 档按年预付最多可省 20%，起价每年 4,000 美元以上；企业版按需报价。各接口设有并发上限，免费与按量档、Growth 档数值不同，单价随模型与促销变化，官网以「现价／原价」并列展示。 公司层面，官方新闻稿显示其于 2026 年 1 月 13 日完成 1.3 亿美元 C 轮融资、估值 13 亿美元，资金用于推进实时语音接口平台、支持合作计划、完成对 OfOne 的收购、扩充专利组合并在旧金山设立协作中心。使用前建议注意三点：一体化接口在降低拼接成本的同时会削弱单点替换的灵活性；并发上限与单价直接影响成本模型，应按自己的峰值通话量估算；医疗、法律等场景涉及数据合规，需要先确认自托管或私有部署选项是否满足要求。
- 产品类型
- 语音识别 / 语音合成与语音智能体
- 支持平台
- REST 与 WebSocket 接口 / 官方多语言 SDK / 在线试用台与 API 演练场 / 统一的语音智能体接口 / 自托管部署 / 行业定制模型
- 资费模式
- 注册赠送 200 美元额度，之后按量计费；Growth 档按年预付可省最多 20%（每年 4,000 美元起），企业版按需报价。
核验信息
参考文章与数据来源
本页事实来自 Deepgram 官方渠道：官网首页（对话感知定位、四条产品线、统一语音智能体接口的流程说明、企业与合作伙伴路径）、语音转文字页面（Flux STT、Nova-3、行业定制与自定义模型的划分及延迟口径）、文本转语音页面（Flux TTS 的定位与限时活动）、价格页（按量计费、Growth 预付档、企业档与各接口并发上限、折扣与促销单价）、自托管页面，以及 2026 年 1 月 13 日的 C 轮融资公告。功能、价格与并发数值核验于 2026 年 9 月 22 日，请以官方当期说明为准。
用户体验调查
Deepgram介绍页面对您是否有帮助？