
提供强大的语音转文字和音频分析 API,但缺乏 Deepgram 的超低延迟流式传输优化。
网站月访问量估算
数据为该域名的 Similarweb 流量估算,不是活跃用户数。仅展示有数据的统计月份;采集时间与流量统计月份分别标注。
采集于 2026年11月11日

这是编辑给出的评估,满分 5 分,不是用户打分的平均值。 本页的各方观点由 AI 根据产品信息归纳,不是真实用户的评价。
根据 OpenAITools.app 于 2026-11-11 核对的流量数据,Deepgram Voice AI(deepgram.com)是一个收录在 AI API 下的 AI 平台,月访问量为 86.39万,月度环比流量变化为 +20.84万(+31.8%)。其主要地理市场为美国(26.3% 流量份额),采用免费试用定价模式。按月流量计算的主要竞争替代方案包括 AssemblyAI(45.36万次访问/月),Cartesia(178.27万次访问/月),Soniox(33.56万次访问/月)。
实时语音识别延迟低得惊人,做AI Agent首选!
文档很全,就是生产环境配置需要点功夫。
API极其稳定,流式传输体验极佳。
企业级方案价格不菲,但性能对得起价格。
以下短评基于实时网页探查、定价机制与同类产品基准由 AI 综合模拟生成,旨在呈现不同使用场景下的常见槽点与亮点,非实名真实用户评价。
Flux STT 与 Nova-3 系列可转写实时音频与上传文件,多语种模型支持在同一会话中切换语言。
Flux TTS 与 Aura 音色以低延迟生成语音,面向多轮助手对话场景,而不仅是朗读固定稿件的工具。
一个 WebSocket 端点即打通语音识别、托管语言模型与语音合成,并支持以更低费率自带 LLM 或自带语音服务商。
摘要、主题检测、情感分析与意图识别为转写文本叠加语义层,按输入与输出 token 计费。
SOC 2 Type 1/2、HIPAA BAA、带欧盟数据驻留的 GDPR、CCPA 与 PCI,另提供脱敏、关键词提示与说话人分离等附加功能。
Deepgram 的平台围绕四类能力组织,可以单独采用也可以组合使用。语音识别覆盖流式与录音文件两种模式,Flux STT 与 Nova-3 模型系列支持数十种语言,并提供说话人分离、智能格式化、关键词提示、实体识别与脱敏等功能。语音合成由 Aura 与 Flux TTS 音色承担;Voice Agent API 则把识别、托管语言模型与合成打包到一个 WebSocket 会话中,并支持自带 LLM 或自带 TTS 服务商。
在原始转写之上还有音频智能层,为文本加入摘要、主题检测、情感分析与意图识别,按 token 计费。官方把整套能力描述为“语音识别、语音合成与语音助手背后的实时基础设施”,并公布累计处理音频超过 20 万年、65 万以上开发者与 99.99% 可用性。近期宣传重点转向被称为“为对话而生”的 Flux TTS,公司同时宣布 Daily 与 Pipecat 加入 Deepgram。
定价按用量而非按席位:语音识别按处理音频的秒数计费,语音合成按每 1000 字符计费,Voice Agent 按 WebSocket 连接分钟数计费。合规方面覆盖 SOC 2 Type 1 与 Type 2、面向企业客户提供 BAA 的 HIPAA、带欧盟端点的 GDPR、CCPA 与 PCI,因此其客户名单中常见联络中心、医疗、餐饮与政府团队。
把通话音频流式送入 Deepgram 获取实时文本,再把情感与意图信号输送给培训或质检系统。
使用 Voice Agent API 处理轮流对话逻辑,或直接组合 Flux STT 与 TTS 以获得完全的编排控制。
提交录音文件获取带时间戳与说话人标注的文本,再在同一条流水线中生成摘要与主题标签。
借助 BAA、欧盟数据驻留与脱敏控制,把语音能力接入医疗、金融或政府流程。
同一分类下同类 AI 工具的流量并排对比
| 排名 | AI 工具 | 月访问量 | 月度环比增长 | 直接流量占比 | 定价 | 头对头 |
|---|---|---|---|---|---|---|
| ● | Deepgram Voice AI | 86.39万 | +31.8% | 52% 直接流量 | 免费试用 | 当前产品 |
| 1 | AssemblyAI 提供强大的语音转文字和音频分析 API,但缺乏 Deepgram 的超低延迟流式传输优化。 | 45.36万 | -6.9% | 62% 直接流量 | 免费增值,定价请咨询 | 对比 AssemblyAI |
| 2 | Cartesia 擅长超低延迟文字转语音与流式语音生成,在实时速度上紧密竞争。 | 178.27万 | +49.7% | 49% 直接流量 | 定价请咨询 | 对比 Cartesia |
| 3 | Soniox 提供高精度实时语音识别与多语言翻译 API,并具备强大的开发者工具。 | 33.56万 | +2.2% | 54% 直接流量 | 付费 | 对比 Soniox |
| 4 | ElevenLabs 提供无与伦比的语音克隆与情感化文字转语音质量,不过主要面向普通消费者与创作者。 | 4239.68万 | +26.1% | 44% 直接流量 | 免费增值,付费,定价请咨询 | 对比 ElevenLabs |
| 5 | Gladia 一个以 API 优先的音频基础设施平台,提供快速转录与先进的音频智能功能。 | 23.25万 | +6.4% | 55% 直接流量 | 免费增值,定价请咨询 | 对比 Gladia |
| 6 | Gradium 提供低延迟的实时语音 AI API,但企业生态不像 Deepgram 那样成熟。 | 12.64万 | +128.7% | 21% 直接流量 | 免费增值,定价请咨询 | 对比 Gradium |

提供强大的语音转文字和音频分析 API,但缺乏 Deepgram 的超低延迟流式传输优化。
专项更强Focuses specifically on orchestrating and deploying conversational voice agents into telephony systems rather than raw transcription.

免费 / 开源An open-source framework for building real-time voice agents that you can self-host and customize completely.

Delivers reliable enterprise-grade transcription APIs, though with fewer real-time streaming features than Deepgram.
专项更强Tailored for voiceovers and media production, with less emphasis on developer-first real-time audio streaming infrastructure.

专项更强Specializes in low-latency speech-to-speech foundation models and talking-head avatars for interactive applications.

专项更强Focuses on no-code conversational voice agent deployment for phone calls rather than low-level audio APIs.
专项更强Focuses on no-code conversational voice agent deployment for phone calls rather than low-level audio APIs.