Deepgram

Deepgram 是 2015 年成立于美国旧金山的 VoiceAI 基础设施平台，由前粒子物理学博士 Scott Stephenson（CEO）和 Noah Shutty 联合创立。Scott Stephenson 毕业于密歇根大学，曾在中国地下两英里深的实验室从事暗物质探测研究，2015 年研究期间产生了创建 Deepgram 的想法。公司 2026 年 1 月完成$1.3 亿 C 轮融资，由 AVP 领投，估值达$13 亿成为独角兽，累计融资$2.29 亿。主要投资者包括 Andreessen Horowitz (a16z)、Madrona Venture Group、Tiger Global、Wing VC、Y Combinator、In-Q-Tel、BlackRock 等 32 位投资者。2024 年 6 月收购 AI 沟通教练服务 Poised，整合其技术和工程团队。

Deepgram 提供 Speech-to-Text (STT)、Text-to-Speech (TTS)、Voice Agent API 三大核心服务。Nova-3 是最新一代语音转文字模型（2026 年），通用英语词错误率（WER）仅 5.26%，比 Whisper 最强模型准确率高 20% 以上。Flux 是专为语音智能体设计的轮转流式 STP 模型（2025 年 10 月）。Aura-2 是高度自然、表现力强的 TTS 模型。平台支持说话人分离（Speaker Diarization），训练数据覆盖 10 万 + 声音、80+ 语言，支持 16+ 说话人精准识别（竞品通常仅支持 4 人），全语言通用无需单独模型。

核心功能

Deepgram 提供实体识别、智能格式化、填充词识别、段落划分、粗话过滤、敏感信息编辑、自定义词汇表、多通道处理等高级功能。支持 36+ 语言，包括西班牙语、法语、德语、葡萄牙语、意大利语、荷兰语、印地语、日语、韩语、中文、希伯来语、波斯语、乌尔都语等。相比 AssemblyAI、Gladia、Whisper 等竞品，Deepgram 的优势在于准确性更高（Nova-3 WER 5.26%）、说话人分离更强（16+ vs 4 人）、部署灵活（云端/私有 VPC/本地）、企业合规（自托管满足金融/医疗/政府数据隐私要求），以及统一 API 简化开发。