Deepgramは開発者に音声AIを売っています。音声認識のAPIは、リアルタイムか録音から音声を文字起こしします。遅延と費用を低く抑えつつ精度を出す設計で、大量の音声を扱うコールセンター、会議ツール、音声アシスタントに向きます。話者のラベル、句読点、キーワードのブースト、多くの言語への対応があり、モデルはその会社の語彙に合わせて調整できます。
プラットフォームは、音声処理の一連の流れ全体へ広がっています。音声合成は遅延の低い自然な声を作り、音声エージェントのAPIは音声認識、言語モデル、音声合成を一つのサービスにまとめます。電話で会話を続けられる会話エージェントを作るためです。データを外に出せないときは、企業はDeepgramを自社のクラウドかオンプレミスで動かせます。
料金は音声の長さによる従量課金で、開始時の無料クレジット、利用量に応じた割引、企業契約があります。Deepgramはエンジニア向けで、出来合いのメモ取りが欲しいエンドユーザー向けではありません。競合にはAssemblyAI、OpenAIのWhisperと音声モデル、Google Cloud Speech-to-Text、AWS Transcribeがあり、音声ではElevenLabsもあります。自分の音声で試すことが欠かせません。アクセント、背景のノイズ、分野の用語で精度は変わります。