Deepgram — IA Voix

Deepgram est une plateforme Voice AI de niveau entreprise qui fournit des API de reconnaissance vocale (STT), de synthèse vocale (TTS) et d'agent vocal en temps réel. Elle résout le problème des transcriptions lentes, inexactes ou coûteuses en utilisant des modèles d'apprentissage profond de bout en bout qui traitent l'audio en moins de 300 millisecondes, sans nécessiter de pré-entraînement sur votre audio spécifique.

Ce qu'elle fait

Deepgram propose une API unifiée qui convertit l'audio en texte (avec des options streaming et batch), génère une parole naturelle et orchestre des agents vocaux avec détection de tour de parole et gestion des interruptions intégrées. Elle prend en charge plus de 45 langues, la diarisation des locuteurs, un vocabulaire personnalisé et la ponctuation automatique. Les modèles comme Nova-3 gèrent le bruit de fond, les chevauchements de parole et l'audio en champ lointain sans configuration préalable.

À qui s'adresse-t-elle ?

Cette API est conçue pour les développeurs créant des applications vocales (assistants vocaux, analyse d'appels, sous-titrage en direct), les centres de contact ayant besoin de transcription d'appels en temps réel et les entreprises médiatiques qui transcrivent des podcasts ou des vidéos à grande échelle. Elle est moins adaptée aux tâches de transcription manuelles ponctuelles où un éditeur humain est préféré, ou aux projets de loisirs à très petit budget qui n'ont pas besoin d'une latence inférieure à la seconde.

Cas d'usage réels

• Sous-titrage en temps réel pour les événements en direct et les webinaires
• Évaluation automatique des appels et analyse des sentiments dans les centres de contact
• Chat agent vocal pour le support client avec les modèles Flux
• Transcription par lots de réunions enregistrées, d'interviews et de contenu vidéo

• Streaming en temps réel — Transcrivez l'audio au fur et à mesure qu'il est prononcé via l'API WebSocket avec une latence inférieure à 300 ms
• Traitement par lots — Téléchargez des fichiers pré-enregistrés pour une transcription asynchrone
• Vocabulaire personnalisé — Ajoutez du jargon professionnel, des noms ou des acronymes pour améliorer la précision
• Diarisation des locuteurs — Identifie qui a parlé et quand dans un audio multipersonne
• Ponctuation et mise en forme — Majuscules, virgules et points automatiques pour des transcriptions lisibles
• Support linguistique — Plus de 45 langues dont l'anglais, l'espagnol, le mandarin et l'arabe
• API Agent vocal — API unifiée unique pour l'orchestration STT, TTS et LLM avec détection de tour de parole

Tarifs de Deepgram : à partir de 0,0048 $/min. Modèle de facturation : Freemium.

Offre gratuite

Comprend 200 $ de crédits gratuits pour démarrer. Aucune carte de crédit requise. Accès à tous les modèles publics avec une concurrence limitée (jusqu'à 50 API REST, jusqu'à 50 WSS pour la STT).

Pay As You Go

Sans minimum, sans expiration. 0,0048 $/min pour Nova-3 Monolingual (pré-enregistré), 0,0065 $/min pour Flux English (streaming). Limites de concurrence plus élevées : jusqu'à 150 WSS pour la STT.

Croissance

Crédits annuels prépayés (à partir de 4 000 $/an) qui permettent d'économiser jusqu'à 20 % par rapport au paiement à l'utilisation. Inclut une concurrence accrue : jusqu'à 225 WSS pour la STT, jusqu'à 60 pour la TTS et l'API Agent vocal.

Tous les plans incluent le support communautaire et Discord ; des SLA premium sont disponibles sur les plans Croissance et Entreprise. Contactez les ventes pour les modèles personnalisés et le déploiement en entreprise.

Trouvez l’outil qu’il vous faut avec notre conseiller IA →