LALAL.AI
音频音乐从现有录音中分离人声和乐器,并提供语音清理等音频工具。
Deepgram 提供语音转文字(实时和录音)、文字转语音和语音智能体 API,适合做客服、会议和语音助手类产品。新账户送 $200 额度,不用绑卡。
Deepgram 是面向开发者的语音 AI 基础设施,提供做“能听会说”产品所需的几块能力:实时流和录音文件的语音转文字、文字转语音的声音,以及把识别、大模型和语音合成连成一个智能体的 Voice Agent API。官方的说法是“语音转文字、文字转语音和语音智能体背后的实时基础设施,像人一样听和回应”。按用量计费:音频按分钟、合成按千字符,没有最低消费。
编辑建议:选型前用自己的音频对比。口音、产品名和背景噪声对结果的影响比任何榜单都大;量大时,实时和录音两种计费的差价也很明显。$200 的初始额度足够认真测几个模型。
客服中心
语音助手
会议工具
媒体内容
官方图片,可点击放大查看。
Nova-3 支持实时流和录音,分单语言和多语言版本;Flux 专为实时对话设计;录音还可选 Whisper Large。
Aura-2、Aura-1 和 Flux TTS 声音,官方称支持 45 种以上语言、100 多种声音。
一个接口完成听、想、说,支持函数调用(例如替用户预约),也可以接自己的大模型或语音合成。
企业版可满足数据和部署要求,提供批量价格和支持;所有套餐用的是同一套后端。
注册账号
创建 API 密钥
先测录音
再测实时
在 deepgram.com 注册,领取 $200 额度,不用绑卡。
在控制台生成密钥,放在服务器端,不要写进前端代码。
用几段自己的录音调用录音接口,对比不同模型。
接入麦克风或通话流测延迟,再决定套餐。
按量付费没有最低消费、额度不过期。示例:Nova-3 单语言实时 $0.0077/分钟、录音 $0.0043/分钟;Flux 英文实时 $0.0077/分钟;Aura-2 每千字符 $0.030;Voice Agent API 标准配置 $0.075/分钟。
Growth 套餐每年预付 $4,000 起,单价最多便宜 20%;企业版另议。
新账户送 $200 额度,不用绑卡;用完后按分钟或千字符计费。
普通转写先用 Nova-3;语音助手这类实时对话用 Flux。
Nova-3 有多语言版本;文字转语音官方列出 45 种以上语言。
可以。Voice Agent API 支持自带大模型、自带语音合成或两者都自带。
通常是。按量付费下,Nova-3 单语言实时 $0.0077/分钟,录音 $0.0043/分钟。
Growth 套餐每年预付 $4,000 起,最多便宜 20%;企业版另议。
平台、输入输出、开源许可和使用条件,完整保留在这里。
以下工具与部分任务有交集。请按实际用途、导出要求和当前套餐比较,不代表功能完全相同。
发送的音频由 Deepgram 处理。涉及真实客户通话或受监管数据时,先看清它的数据处理条款和企业选项。API 密钥放在服务器端,并限制团队里谁能创建密钥。
正在加载使用体验…
带上一个真实任务,看看它是否适合你的工作方式。
使用体验