51 lines
1.7 KiB
Markdown
51 lines
1.7 KiB
Markdown
---
|
||
title: "Deepgram"
|
||
type: entity
|
||
tags: ["asr", "cloud-api", "speaker-diarization", "streaming"]
|
||
sources: ["engineering-voice-ai-integration-engineer"]
|
||
last_updated: 2026-05-02
|
||
---
|
||
|
||
## Aliases
|
||
- Deepgram
|
||
|
||
## Definition
|
||
|
||
Deepgram 是一个云端自动语音识别（ASR）服务，以实时流式转录（Streaming API）和高准确度著称。支持说话人分离、PII 检测、关键词检测等多种高级功能，是 AssemblyAI 的主要竞品。
|
||
|
||
## Key Capabilities
|
||
|
||
| 功能 | 说明 |
|
||
|------|------|
|
||
| 实时流式转录 | WebSocket 流，支持低延迟实时字幕/笔记 |
|
||
| 批量转录 | 上传文件，异步返回结果 |
|
||
| 说话人分离 | 内置 Diarization，支持指定说话人数 |
|
||
| PII 检测 | 可选，开启后自动标记/脱敏 |
|
||
| 关键词检测 | 自定义关键词加权 |
|
||
| 语言模型 | 通用、医疗、法律等垂直领域模型 |
|
||
|
||
## Competitive Positioning vs AssemblyAI
|
||
|
||
| 维度 | Deepgram | AssemblyAI |
|
||
|------|---------|-----------|
|
||
| 实时流式 | 原生 WebSocket（更强） | REST polling |
|
||
| 延迟 | 极低（<300ms） | 中等 |
|
||
| 准确度 | 领先（WER 基准） | 相当 |
|
||
| API 体验 | 更现代化 | 成熟稳定 |
|
||
| 语言覆盖 | 100+ 语言 | 100+ 语言 |
|
||
|
||
## Use Cases
|
||
|
||
- **实时字幕**：直播、会议、客服的实时字幕生成
|
||
- **VoIP 集成**：电话系统的实时转录
|
||
- **长音频批量**：会议录音、播客批量处理
|
||
- **多语言**：跨境会议的实时翻译字幕管道
|
||
|
||
## Connections
|
||
- [[FasterWhisper]] — 本地 ASR 替代方案
|
||
- [[AssemblyAI]] — 直接竞品，混合路由可两者都接入
|
||
- [[pyannote.audio]] — Deepgram 内置 Diarization 可替代独立 pyannote
|
||
|
||
## Sources
|
||
- [[engineering-voice-ai-integration-engineer]]
|