Deepgram 是什么？

Deepgram 是一家先进的 AI 语音识别公司，为开发人员提供强大的语音转文本和音频智能 API。其模型建立在端到端深度学习之上，以其卓越的速度、高准确性和成本效益而闻名。Deepgram 允许企业转录预录制的音频和实时音频流，从而从语音数据中解锁宝贵的见解。

主要特点

• 极速： 实时提供转录稿，通常比音频的持续时间还快，非常适合直播应用。
• 高准确性： 采用复杂的深度学习模型，在各种口音、方言和领域中实现高转录准确性。
• 实时流式传输： 提供持久的 WebSocket 连接，以低延迟转录实时音频流。
• 说话人分离（Diarization）： 在单个音频通道中识别并标记不同的说话人。
• 智能格式化： 自动添加标点符号和大写字母，并格式化数字、日期和时间，以提高可读性。
• 语言支持： 支持多种语言和方言的转录。

使用案例

• 呼叫中心分析： 转录和分析客户通话，以监控质量保证、跟踪座席表现并识别客户情绪。
• 语音助手： 通过快速可靠的语音识别为声控应用和虚拟助手提供动力。
• 媒体转录： 快速为播客、视频和广播生成字幕和转录稿。
• 会议转录： 为虚拟或现场会议创建可搜索、准确的记录。
• 合规监控： 在金融或法律对话中自动标记关键词和短语，以确保符合法规。

入门指南

这是一个使用 Deepgram Python SDK 从 URL 转录预录制音频文件的“Hello World”示例。

首先，安装 SDK： ```bash pip install deepgram-sdk

然后，使用以下 Python 代码：

```python import os from dotenv import load_dotenv from deepgram import DeepgramClient, PrerecordedOptions

load_dotenv()

您的 Deepgram API 密钥

建议将其设置为环境变量

API_KEY = os.getenv(“DEEPGRAM_API_KEY”)

您要转录的音频的 URL

AUDIO_URL = “https://static.deepgram.com/examples/Bueller-Life-moves-pretty-fast.wav”

def main(): try: # 1. 使用 API 密钥创建 Deepgram 客户端 deepgram = DeepgramClient(API_KEY)

    # 2. 配置转录选项
    options = PrerecordedOptions(
        model="nova-2",
        smart_format=True,
    )

    # 3. 使用音频 URL 和选项调用 transcribe_url 方法
    response = deepgram.listen.prerecorded.v("1").transcribe_url({"url": AUDIO_URL}, options)

    # 4. 打印转录稿
    print(response.to_json(indent=4))

except Exception as e:
    print(f"Exception: {e}")

if name == “main”: main()

定价

Deepgram 采用免费增值、按使用量付费的定价模式。他们为开发者提供了一个慷慨的免费套餐，其中包括大量的转录额度。超出免费套餐后，定价基于转录的分钟数，不同模型（例如 Nova-2、Base、Enhanced）的费率也不同。他们还为大用量用户或需要本地部署的用户提供定制的企业计划。

高级功能

• 本地部署： 对于有严格数据隐私或安全要求的组织，Deepgram 提供本地解决方案，允许您在自己的基础设施内运行其模型。
• 音频智能： 除了简单的转录，Deepgram 还提供主题检测、情感分析和摘要等功能，以从音频数据中提取更高级别的见解。
• 自定义模型训练： 用户可以训练针对其特定音频环境、词汇和声学特征的自定义模型，以实现更高的准确性。