Deepgram — IA Voz

Deepgram es una plataforma de Voz con IA de nivel empresarial que proporciona APIs de voz a texto (STT), texto a voz (TTS) y agente de voz en tiempo real. Resuelve el problema de la transcripción lenta, inexacta o costosa mediante modelos de aprendizaje profundo de extremo a extremo que procesan audio en menos de 300 milisegundos, sin necesidad de entrenamiento previo con tu audio específico.

Qué hace

Deepgram ofrece una API unificada que convierte audio en texto (con opciones de transmisión y por lotes), genera voz natural y orquesta agentes de voz con detección de turno y manejo de interrupciones integrados. Soporta más de 45 idiomas, diarización de hablantes, vocabulario personalizado y puntuación automática. Modelos como Nova-3 manejan ruido de fondo, conversaciones simultáneas y audio de lejos sin configuración adicional.

Para quién es

Esta API está diseñada para desarrolladores que crean aplicaciones con voz (asistentes de voz, análisis de llamadas, subtitulado en vivo), centros de contacto que necesitan transcripción de llamadas en tiempo real y empresas de medios que transcriben podcasts o videos a gran escala. No es ideal para trabajos de transcripción manuales puntuales donde se prefiera un editor humano, ni para proyectos de hobby con presupuesto muy bajo que no requieran latencia de subsegundos.

Casos de uso reales

• Subtitulado en vivo para eventos y seminarios web
• Evaluación automática de llamadas y análisis de sentimiento en centros de contacto
• Chat con agente de voz para atención al cliente usando modelos Flux
• Transcripción por lotes de reuniones grabadas, entrevistas y contenido de video

• Transmisión en Tiempo Real — Transcribe audio mientras se habla mediante la API WebSocket con latencia inferior a 300 ms
• Procesamiento por Lotes — Sube archivos pregrabados para transcripción asíncrona
• Vocabulario Personalizado — Añade jerga técnica, nombres o siglas para mejorar la precisión
• Diarización de Hablantes — Identifica quién habló y cuándo en audio con varias personas
• Puntuación y Formato — Mayúsculas, comas y puntos automáticos para transcripciones legibles
• Soporte de Idiomas — Más de 45 idiomas, incluidos español, inglés, mandarín y árabe
• API de Agente de Voz — API unificada para STT, TTS y orquestación con LLM y detección de turno

Precios de Deepgram: desde $0.0048/min. Modelo de facturación: Freemium.

Nivel Gratuito

Incluye $200 en créditos gratuitos para empezar. No se requiere tarjeta de crédito. Acceso a todos los modelos públicos con concurrencia limitada (hasta 50 REST API, hasta 50 WSS para STT).

Pago por Uso

Sin mínimos, sin vencimiento. $0.0048/min para Nova-3 Monolingüe (pregrabado), $0.0065/min para Flux Inglés (transmisión). Límites de concurrencia más altos: hasta 150 WSS para STT.

Crecimiento

Créditos anuales prepagados (desde $4K+/año) que ahorran hasta un 20% frente al pago por uso. Incluye mayor concurrencia: hasta 225 WSS para STT, hasta 60 para TTS y API de Agente de Voz.

Todos los planes incluyen soporte comunitario y en Discord; SLAs premium disponibles en los planes Crecimiento y Empresarial. Contacta con ventas para modelos personalizados e implementación empresarial.

Encuentra la herramienta ideal para ti con nuestro asesor de IA →