Deepgram 是什麼、怎麼用、怎麼收費：語音轉文字、語音合成與語音智能體 API

本文根據 Deepgram 官網定價頁整理，資料核對於 2026-10-11。這是一條面向開發者的簡介，模型與價格以官網為準。

是什麼

Deepgram 是一家做語音 AI 的公司，面向開發者提供 API：語音轉文字、文字轉語音、語音智能體和音頻理解。普通用戶接觸到的會議轉寫、電話客服機器人、語音助手，背後往往就是這類接口。Deepgram 的特點是低延遲的實時流式能力，適合對話類產品。

能做什麼

定價頁列出的產品與模型：

語音轉文字（Speech-to-Text）

• Nova-3：官方稱性能最高、推薦用於大多數場景的模型。
• Flux：面向實時語音智能體的對話式識別模型，內置「說話輪次」檢測——能判斷對方是不是說完了。

文字轉語音（Text-to-Speech）

• Flux TTS：最新的語音合成模型。
• Aura-2 / Aura-1：面向語音助手的低延遲合成。

Voice Agent API

• 構建實時對話式 AI 智能體的一體化接口，能處理用戶打斷。

Audio Intelligence（音頻理解）

• 摘要、主題檢測、情緒分析和意圖識別。

怎麼上手

1. 在 deepgram.com 註冊，獲取贈送額度和 API Key（不需要信用卡）。
2. 在官網的在線試用介面上載一段錄音，查看轉寫效果和延遲。
3. 按官方文檔調用接口：錄音文件用預錄製接口，實時場景用流式接口。
4. 要做電話或語音助手類產品，直接評估 Voice Agent API，省去自己拼接識別、大模型和合成三段。

免費與付費

定價頁（美元，2026-10 查詢）：

• Pay As You Go：贈 200 美元額度，無最低消費。示例單價：
• Nova-3 單語種流式識別：0.29 美元/小時
• Flux 英語流式識別：0.39 美元/小時
• Aura-2 語音合成：0.030 美元/千字符
• Growth：預付額度，最多節省 20%，每年 4,000 美元起。
• Enterprise：大用量或有部署要求時聯絡銷售。

完整的模型價目見定價頁。

適合誰 / 不適合誰

適合： 開發會議轉寫、字幕、電話客服、語音助手的團隊；需要實時、低延遲語音能力的產品；想用贈送額度做原型的開發者。

不適合： 不寫代碼、只想把錄音轉成文字的普通用戶（用現成的轉寫應用更方便）；以中文方言或小語種為主的業務（各語言的支持與準確率需自行測試）；數據不能出境的場景。

注意事項

• 流式與預錄製、單語種與多語種的單價不同，按實際調用方式估算。
• 語音數據包含個人資料，注意錄音告知、存儲與刪除策略。
• 轉寫不可能百分之百準確，涉及法律、醫療等記錄時需要人工校對。