Deepgram

Deepgram bietet Entwickler:innen Sprach-KI. Die Speech-to-Text-API transkribiert Audio in Echtzeit oder aus Aufnahmen. Sie ist auf Genauigkeit bei geringer Latenz und niedrigen Kosten ausgelegt – wichtig für Callcenter, Meeting-Tools und Sprachassistenten mit hohem Verarbeitungsvolumen. Zu den Funktionen gehören Sprecherkennzeichnung, Zeichensetzung, Keyword-Boosting und Unterstützung vieler Sprachen. Die Modelle lassen sich an den Wortschatz eines Unternehmens anpassen.

Die Plattform wurde auf den gesamten Sprach-Stack erweitert. Ein Text-to-Speech-Produkt erzeugt natürliche Stimmen mit geringer Latenz. Eine API für Sprachagenten kombiniert Spracherkennung, Sprachmodell und Sprachsynthese in einem Dienst, mit dem sich dialogfähige Agenten für Telefongespräche erstellen lassen. Unternehmen können Deepgram in ihrer eigenen Cloud oder lokal betreiben, wenn Daten ihre Kontrolle nicht verlassen dürfen.

Die Abrechnung erfolgt nutzungsbasiert nach Audiodauer. Es gibt Startguthaben, Mengenrabatte und Unternehmensverträge. Deepgram richtet sich an Entwickler:innen und nicht an Endnutzer:innen, die einen fertigen Notizassistenten suchen. Zu den Wettbewerbern zählen AssemblyAI, Whisper und Sprachmodelle von OpenAI, Google Cloud Speech-to-Text und AWS Transcribe sowie ElevenLabs für Stimmen. Tests mit eigenen Audiodaten sind unerlässlich, da die Genauigkeit je nach Akzent, Hintergrundgeräuschen und Fachbegriffen variiert.