Deepgram
Deepgram proporciona API de voz a texto y de texto a voz para desarrolladores, incluidos los modelos de transcripción Nova y los modelos Flux diseñados para agentes de voz.
Acerca de esta herramienta
Deepgram es una plataforma de IA de voz que los desarrolladores utilizan para transcribir y generar voz. Sus modelos Nova gestionan el reconocimiento de voz en más de 45 idiomas con diarización de hablantes, formato inteligente, indicación de términos clave y detección automática de idioma, en tiempo real o por lotes. Una función de redacción puede eliminar de las transcripciones datos personales sensibles, como números de tarjeta o de teléfono.
Sus modelos Flux más recientes están orientados a agentes de voz. El reconocimiento de voz a texto Flux está diseñado para comprender los turnos de palabra y las interrupciones, y el texto a voz Flux mantiene un tono coherente a lo largo de una conversación. Deepgram puede utilizarse a través de su nube o autoalojarse para equipos con necesidades de residencia de datos. Las cuentas nuevas reciben crédito gratuito, y la facturación se realiza por minuto o por cada mil caracteres.
Qué puedes hacer
Voz a texto Nova
Transcripción en tiempo real y por lotes en más de 45 idiomas con diarización, formato y detección de idioma.
Flux para agentes de voz
Modelos conscientes de la conversación que gestionan los turnos de palabra y las interrupciones de forma más natural en el diálogo en vivo.
Texto a voz
Voces generadas para conversaciones en vivo, facturadas por cada mil caracteres.
Redacción de datos personales
Los datos sensibles, como números de tarjeta y números de teléfono, pueden eliminarse automáticamente de las transcripciones.
¿Para quién es?
- Una plataforma de centro de contacto transcribe llamadas en tiempo real para asistir a los agentes.
- Una startup crea un agente de voz que gestiona las interrupciones sin pausas incómodas.
- Una empresa sanitaria autoaloja la transcripción para mantener el audio dentro de su propio entorno.
Antes de elegir
Las tarifas por minuto varían según el modelo, la función y el plan, y los precios promocionales pueden cambiar; consulta la tabla actual antes de estimar costes.
El autoalojamiento está disponible para controlar los datos, pero añade trabajo de infraestructura en comparación con la API en la nube.
Preguntas frecuentes
¿Tiene Deepgram un nivel gratuito?
Los nuevos usuarios reciben 200 $ de crédito gratuito sin mínimos ni tarjeta de crédito, y luego pagan por uso.
¿Qué es Deepgram Flux?
Flux es la familia de modelos de voz conscientes de la conversación de Deepgram para agentes de voz, diseñados para gestionar los turnos de palabra, las interrupciones y el contexto.
¿Se puede autoalojar Deepgram?
Sí. Deepgram afirma que sus modelos están disponibles en la nube o autoalojados, lo que ayuda a los equipos con estrictos requisitos de datos.
Consulta el sitio web oficial para conocer las funciones, los precios y las condiciones actuales.
Herramientas similares
AssemblyAI
AudioAssemblyAI ofrece API de conversión de voz a texto e IA de voz, incluidos sus modelos Universal de voz, transcripción en streaming, comprensión del habla y una API de agentes de voz.
Cartesia
AudioCartesia ofrece generación de voz en tiempo real, transcripción y modelos de agentes de voz basados en modelos de espacio de estados, a los que se accede mediante una única API.
Vapi
AutomatizaciónVapi es una plataforma para desarrolladores que permite crear agentes de IA de voz que gestionan llamadas telefónicas y web, combinando reconocimiento de voz, un LLM y síntesis de voz.
FLUX by Black Forest Labs
Imagen y diseñoFLUX es una familia de modelos de generación de imágenes y vídeo de Black Forest Labs, disponible a través de una API, un entorno de pruebas y pesos abiertos para autoalojamiento.
Speechmatics
AudioSpeechmatics ofrece conversión automatizada de medios hablados a formato escrito, con soporte para transcripción, traducción y detección de idioma en entradas de audio, video y texto.
Murf AI
AudioMurf AI es una plataforma de generación de voz que convierte texto escrito en audio hablado, permite a los usuarios editar grabaciones existentes y añade música de fondo.