Deepgram 是以开发者 API 形式提供的语音 AI 平台：面向实时与录制音频的语音转文字、文字转语音、Voice Agent API，以及 Audio Intelligence 音频分析。Deepgram 把语音转文字、文字转语音和 LLM 编排整合进同一个 Voice Agent API，公司称这能降低复杂度、延迟和成本。
2026 年 1 月，Deepgram 称已完成由 AVP 领投的 1.3 亿美元 C 轮融资，估值 13 亿美元。公司还称有超过 1,300 家组织在使用其语音 AI 产品和模型，包括会议笔记工具 Granola、语音智能体初创公司 Vapi 以及 Twilio。
Deepgram 的语音转文字 API 既接收流式音频做实时转写，也接收录制文件做批量处理。
准确率和速度数据均为厂商自述。Deepgram 称，与竞品相比，Nova-3 的词错率在流式处理中低 54.2%，在批处理中低 47.4%；还称转写结果可在 300 毫秒以内返回。据介绍，关键词提示能改善关键术语的识别，关键词召回率最多提高 90%。
Voice Agent API 包含插话检测、话轮预测、函数调用和会话中控制。团队可以自带 LLM 或 TTS 服务商，同时保留 Deepgram 的编排与流式管道。
Deepgram 为 OpenAI、Anthropic、Google 和 NVIDIA 这几类服务商提供托管 LLM，因此使用这些时无需提供端点。Groq 和 Amazon Bedrock 的模型需要自备端点，因为 Deepgram 不托管这些 LLM。托管模型带有价格档位：claude-sonnet-4-5 列为高级（Advanced）档，claude-haiku-4-5 列为标准（Standard）档，档位决定每分钟费率。
Audio Intelligence 在转写文本之上提供摘要、主题检测、意图识别和情感分析。情感分析可在词、句和整篇转写三个层级标注正面、中性或负面情感。这些功能运行在基于对话数据微调的轻量级专用模型上，而不是通用大语言模型。
Deepgram 的语音转文字 API 面向客服、医疗、媒体和对话式 AI 中的转写需求。
Deepgram 以 API 和 SDK 形式销售，因此买方通常是写代码的团队。
对于需要在 Flux TTS 上做非英语旁白、或需要超大语音库的项目，它的契合度较低。
Deepgram 价格按用量计费，按产品和模型拆分，而不是按席位。
Pay As You Go（按量付费）套餐先提供 $200 免费额度，之后按用量计费；Growth 套餐起价为每年 $4K+。Pay As You Go 无最低消费、无过期期限，开始使用无需信用卡。Growth 通过预付年度额度最多可节省 20%，额度按实际用量抵扣。Enterprise 条款由销售报价。
| 服务 | Pay As You Go | Growth |
|---|---|---|
| 语音转文字（REST / WebSocket / Whisper Cloud） | 最多 50 / 150 / 5 | 最多 50 / 225 / 5 |
| 文字转语音（REST + WebSocket） | 最多 45 | 最多 60 |
| Voice Agent（WebSocket） | 最多 45 | 最多 60 |
| Audio Intelligence（REST） | 最多 10 | 最多 10 |
流式语音转文字费率目前标注为限时优惠价，括号内为常规价。
| 模型 | 模式 | Pay As You Go | Growth |
|---|---|---|---|
| Flux 英语 | 流式 | $0.0065/分钟（常规 $0.0077） | $0.0057/分钟（常规 $0.0065） |
| Flux 多语言 | 流式 | $0.0078/分钟 | $0.0068/分钟 |
| Nova-3 单语言 | 流式 | $0.0048/分钟（常规 $0.0077） | $0.0042/分钟（常规 $0.0065） |
| Nova-3 多语言 | 流式 | $0.0058/分钟（常规 $0.0092） | $0.0050/分钟（常规 $0.0078） |
| Nova-3 单语言 | 预录 | $0.0043/分钟 | $0.0036/分钟 |
| Nova-3 多语言 | 预录 | $0.0052/分钟 | $0.0043/分钟 |
| Whisper Large | 预录 | $0.0048/分钟 | $0.0048/分钟 |
附加功能在模型费率之外另行收费：
计费按秒进行，因此 14 秒的文件正好按 14 秒收费。多声道音频按处理总时长计费，因此 10 分钟的立体声文件计为 20 分钟。
| 模型 | Pay As You Go | Growth |
|---|---|---|
| Flux TTS | 每千字符 $0.0450 | 每千字符 $0.0405 |
| Aura-2 | 每千字符 $0.030 | 每千字符 $0.027 |
| Aura-1 | 每千字符 $0.0150 | 每千字符 $0.0135 |
截至 2026 年 12 月 31 日，Pay As You Go 和 Growth 上的 Flux TTS 消费可获得等额赠送额度，最高 $500。Flux TTS 免费构建期持续到 2026 年 9 月 12 日，自 2026 年 9 月 13 日起执行标准价格。文字转语音产品页的 FAQ 称 Deepgram TTS 起价为每 1,000 字符 $0.15，这与上表中的 Aura-1 费率不一致。
| Voice Agent 档位 | Pay As You Go | Growth |
|---|---|---|
| 标准 | $0.075/分钟 | $0.068/分钟 |
| 标准（自带 TTS） | $0.065/分钟 | $0.051/分钟 |
| 自定义（自带 LLM 和 TTS） | $0.050/分钟 | $0.041/分钟 |
| 高级 | $0.163/分钟 | $0.146/分钟 |
| 高级（自带 TTS） | $0.122/分钟 | $0.110/分钟 |
Voice Agent 分钟数按 WebSocket 连接时长计算。在 Pay As You Go 上，摘要按每千输入 token $0.0003、每千输出 token $0.0006 计价。
这一类别中公开的大多数对比都来自厂商自己。
API 请求默认加入模型改进计划（Model Improvement Program），并由 Deepgram 留存。服务条款允许 Deepgram 使用客户输入和输出来改进服务，包括训练和测试其模型。
有。新的 Pay As You Go 账户附带 $200 额度，且无需信用卡；之后按分钟、按每 1,000 字符或按智能体连接分钟数计费。
默认会：请求会加入模型改进计划并被留存。在请求中添加 mip_opt_out=true 即可将其排除，并停止留存其内容。
Deepgram 提供专用 EU 端点，其请求不会被路由到欧盟以外。完全在区域内处理还需要选择退出模型改进，且该端点不提供 Whisper 模型。
