Deepgram
高速高準確的語音 AI API。
Deepgram 是語音 AI 的 API 服務,主打高速與高準確的語音轉文字,也提供文字轉語音,並支援即時串流——邊講邊轉、幾乎沒有延遲,這對做即時字幕、語音客服、通話分析的即時場景很關鍵。它涵蓋多國語言,面向的是要把語音能力接進產品的開發者。
跟一般人用的轉錄 App 不同,Deepgram 賣的是底層引擎:做會議工具、客服系統、語音助理的公司,用它的 API 就不必自己訓練語音模型。速度是它常被提到的優勢,適合對即時性要求高的應用。
有免費額度可以測試,正式使用按量計費(依音訊時長)。它偏 API 與開發,不是給個人點按的網頁工具。各語言(尤其非英語)的準確度要依實際情境測試確認。適合要在產品裡加入即時語音轉文字、語音互動的工程團隊;只是要轉一段自己的錄音,用現成的消費級工具更直接。
TheAI學院 編輯建議
編輯實測後的真心話要為產品接高速語音轉錄，Deepgram 與 AssemblyAI 同為主流 API。我們給 4.4 分。
主要功能
- 語音轉文字 API
- 文字轉語音
- 即時串流
- 多語
如何使用 Deepgram
- 到 deepgram.com 註冊，帳號預設附贈試用額度，可先免費打 API 測試再依官方方案付費。
- 在 Console 建立 API Key 並妥善保存，所有請求都要在 header 帶上這把金鑰驗證。
- 選用情境：預錄檔轉錄走 REST，直播或通話走 WebSocket 即時串流，語音代理可搭 TTS 一起用。
- 呼叫時指定 model（如 nova）與 language，中文選 zh，需要標點與分段就加上 punctuate 與 diarize 參數。
- 上傳音檔 URL 或音訊串流送出，Deepgram 會回傳含逐字稿、時間戳與信心分數的 JSON。
- 解析回傳結果取出 transcript 文字，若開啟 diarize 可依 speaker 標記整理成對話逐字稿。
- 要做語音回覆時改呼叫 Text to Speech API，輸入文字取得合成語音串流播放。
- 上線前用真實口音與背景噪音的樣本測準確率，並監控用量避免超出預算。
適用場景
- 即時轉錄
- 語音代理
- 語音分析
Deepgram 的優點與缺點
優點
- 速度快、準確、好整合
- 適合即時應用
缺點
- 偏開發者
- 按量計費
價格方案
Deepgram 是語音轉文字(STT)等語音 AI 的 API 服務,主要採用量計價,幣別美元,以官網為準。隨用隨付(Pay As You Go)註冊即送約 200 美元免費額度且免綁信用卡,適合先試用,以官網為準。語音轉文字以每分鐘計價,最新 Nova-3 預錄音檔約每分鐘 0.0043 美元起、即時串流約每分鐘 0.0077 美元(常有促銷更低),多語言與其他模型費率不同,以官網為準。語者分離、敏感資訊遮蔽等附加功能另計(約每分鐘 0.002 美元)。用量大可選 Growth 方案(需年度預付、約省兩成)或 Enterprise 客製,以官網為準。重點是沒有固定月費,費用隨實際處理的音訊分鐘數浮動。
Deepgram 常見問題
Deepgram 有什麼強項？
主打高速與高準確的語音轉文字,也提供文字轉語音,並支援即時串流(邊講邊轉、幾乎沒延遲),對即時字幕、語音客服、通話分析等即時場景很關鍵,涵蓋多國語言。
Deepgram 是給一般人用的嗎？
不是。它賣的是底層引擎、面向開發者:做會議工具、客服系統、語音助理的公司用它的 API,就不必自己訓練語音模型。
Deepgram 怎麼收費？中文準嗎？
有免費額度可測試,正式使用按音訊時長計費。各語言(尤其非英語)的準確度要依實際語言測試確認。
台灣開發者可以用嗎,支援中文語音辨識嗎?
台灣開發者可直接註冊串接 API,計價美元、按用量結算、刷國際卡付款。Deepgram 支援中文語音辨識,但不同語言與模型的準確度和費率會有差異,中文效果建議先用免費額度實測你的音檔(口音、專有名詞)再決定,別直接套英文的辨識率預期。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
寫下你的評價
Deepgram 的替代方案
查看相似的 AI 工具 →相關 AI 工具
Panjaya
把影片翻成其他語言並重新對嘴，保留原講者的聲音、情緒與節奏，適合創作者與品牌把影片推向海外
ListenHub
MarsWave 打造的內容生成平台，把主題、網址或文件變成雙人 AI 播客、配音、簡報、圖片與影片
IVRy
日本累計 6 萬個帳號的 AI 電話：AI 接聽與用件記錄、語音辨識 Q&A、IVR 分流與預約系統連動
Liberate
保險業原生的 AI 代理，用電話、簡訊、Email 與網頁處理出險報案、理賠進度、保單服務與報價成交
IntellAgents
一個 AI 代理同時接電話、打外撥，並回覆 WhatsApp、Instagram、Facebook、Telegram 與網站訊息，共用同一個知識庫
Pipecat
Daily 維護的開源語音與多模態 AI 代理框架：串接 200 多家語音、語言、視覺服務，處理插話與輪替
猜你也想看的AI 語音生成
Deepgram 評測：值得用嗎？
Deepgram 實測評測
Deepgram 是一套開發者導向的語音轉文字(STT)API,把音檔或即時音流丟進去,它回傳逐字稿。它不是給你點兩下就好的網頁工具,而是要寫程式接的後端服務。會用它的是要在自家產品裡塞語音功能的工程團隊——語音客服、會議轉錄、字幕系統、語音 agent 都靠它打底。當家模型 Nova-3 主打又快又便宜,另外還有 Aura(TTS)、Flux 跟 Voice Agent API 一整套。
優點:便宜跟快是它的硬實力。Nova-3 預錄音檔約每分鐘 0.0043 美元(換算一小時 0.46 美元),這個價位在主流 STT 裡相當有競爭力,大量轉錄時成本優勢明顯。即時串流延遲低,適合需要邊說邊出字的場景。支援 45 種以上語言,內建講者分離(diarization)、智慧斷句、關鍵詞提示這些實用功能。新用戶送 200 美元額度,夠你把 POC 跑完。
缺點:它是 API,沒有給一般人用的好看介面,不會寫程式的人完全無從下手。中文(尤其繁中、台語夾雜)的辨識準確度過得去但不是頂尖,專有名詞、口音重的場合還是要人工校對。付費走 Pay-As-You-Go 看用量,Growth 方案年繳起跳要四千美元以上,個人玩家用不到那層。各種 add-on(去識別化、關鍵詞)分開計費,最終帳單要自己加總。
適合誰:要在產品裡內建語音功能、重視成本與延遲的工程團隊。不適合:只想把一個會議錄音轉成文字的個人,殺雞用牛刀。
替代方案:同樣是 STT API、準確度導向可比 AssemblyAI;只是要會議記錄的個人,直接用 tl;dv 這類成品工具更省事。
台灣觀點:它是給開發者的「引擎」不是「整車」,選它前先確認你的團隊有人會接 API,也先拿你的中文音檔實測準確度再決定。
本評測由 TheAI學院編輯群整理，內容力求客觀、含優缺點，僅供參考。
最後更新：2026年10月