Deepgram
PulseAugur coverage of Deepgram — every cluster mentioning Deepgram across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
AssemblyAI 语音代理 API 在准确性和定价方面优于 Deepgram
AssemblyAI 和 Deepgram 都提供语音代理 API，但 AssemblyAI 的 Universal-3.5 Pro Realtime 模型在语音准确性和实体捕获方面比 Deepgram 的 Flux 模型表现更优。AssemblyAI 以统一费率提供完整的 STT+LLM+TTS 管道，简化了开发，而 Deepgram 则采用分级定价模式，并要求用户集成单独的组件。实际基准测试显示，AssemblyAI 的词错误率和…
-
AssemblyAI 宣传其 Universal-3.5 Pro 在准确性和速度上优于 Deepgram
AssemblyAI 发布了一份对比报告，重点介绍了其 Universal-3.5 Pro 模型在批量音频转录方面优于 Deepgram 的优势。该公司强调 Universal-3.5 Pro 在姓名、电子邮件和医学术语等关键实体上的准确性更高，同时速度也有所提升。AssemblyAI 还详细介绍了其批量转录服务的简单、按秒计费的定价模式。
-
AssemblyAI 详解大规模批量转录以实现高吞吐量
AssemblyAI 的博客文章详细介绍了如何有效管理大规模批量转录任务，强调吞吐量和并发性而非单个文件的延迟。该公司指出，在处理大量音频时，同时处理多个请求的能力比单个转录的速度更关键。AssemblyAI 提供无限并发，允许用户一次性提交整个积压任务，与有严格并发限制的服务相比，可以显著缩短总体处理时间。对于非常长的音频文件，文章建议将文件分块并在并行处理这些片段的策略，以实现更快的周转时间。
-
AssemblyAI 通过新的“Medical Mode”提高医疗转录准确性
AssemblyAI 为其 Universal-3 Pro 和 Universal-3.5 Pro 实时语音转文本模型推出了新的“Medical Mode”。此功能通过一个配置参数激活，旨在与标准模型相比，将漏报的医疗实体减少约 20%。该模式专门提高了临床词汇（如药品名称和医疗程序）的转录准确性，而无需用户切换模型或重新集成其系统。基准测试表明，Medical Mode 的漏报实体率 (MER) 低于 Deepgram、Speech…
-
AssemblyAI 声称在医疗转录准确性方面优于 Deepgram
AssemblyAI 发布了一篇新的博客文章，将其医疗转录能力与 Deepgram 的能力进行了比较。该文章重点介绍了 AssemblyAI 的 Universal-3 Pro 模型（具有医疗模式），声称与 Deepgram 的 Nova-3 Medical 模型相比，在复杂的医疗术语和多说话人对话方面具有更高的准确性。AssemblyAI 强调其对语音理解的关注，包括说话人识别和 PII 隐藏等功能，而将 Deepgram 定位为优…
-
2026年面向高级语音AI的5款顶级Speechmatics替代品
本指南比较了Speechmatics的五款语音转文本服务替代品，重点介绍了AssemblyAI、Deepgram、Google Cloud Speech-to-Text、OpenAI Whisper和AWS Transcribe。语音自然语言处理市场预计将显著增长，因此选择语音转文本提供商对于准确性、成本和高级功能至关重要。每款替代品都有其独特的优势，例如AssemblyAI的准确性和统一的Voice Agent API、Deepgr…
-
AssemblyAI 比较顶级5款Deepgram语音转文本API替代方案
本文比较了Deepgram语音转文本API的五种替代方案，包括AssemblyAI、Google Cloud Speech-to-Text、AWS Transcribe和OpenAI Whisper。比较侧重于准确性、定价、延迟以及语音理解和本地部署等特定功能等关键因素。该指南旨在帮助用户在快速增长的对话式AI市场中选择最适合其需求的语音转文本解决方案。
-
AssemblyAI 声称 Universal-3 Pro 在关键语音转文本准确性方面优于 Deepgram Nova-3
AssemblyAI 发布了其 Universal-3 Pro 模型与 Deepgram 的 Nova-3 在语音转文本服务方面的对比。该对比强调“关键实体遗漏率”，而非传统的词错误率 (WER)，认为准确识别电话号码或医疗名称等关键术语对生产应用更为重要。AssemblyAI 声称其 Universal-3 Pro 在关键实体遗漏率方面更低，尤其是在挑战性音频条件下，并提供更强大的提示功能以实现定制。
-
AI 编码助手在语音助手方面偏爱 AssemblyAI 的 STT 模型
AssemblyAI 强调其 Universal-3 Pro Streaming 模型是构建有效 AI 语音助手的关键组成部分。该公司的博客文章展示了开发人员如何使用“vibe coding”以及 ChatGPT 和 Claude Code 等工具来生成语音助手应用程序，AI 模型经常推荐 AssemblyAI 的 STT 技术。与 Deepgram 等竞争对手的比较表明，AssemblyAI 的模型在识别姓名、电子邮件和电话号码等关…
-
AssemblyAI：语音转文本的隐藏成本远超基础费率
AssemblyAI 认为，语音转文本 API 的每小时广告成本具有误导性，因为像人工校正劳动和下游故障等隐藏费用会成倍增加实际成本。该公司强调，准确性，而不仅仅是基础费率，对于总体拥有成本至关重要，尤其是在生产部署中。此外，AssemblyAI 强调，像词错误率 (WER) 这样的传统准确性指标未能捕捉到感知转录质量的关键方面，例如说话人错误标记和音频标签的影响，这会侵蚀用户信任和产品可靠性。
-
语音 AI 延迟基准测试：端到端模型优于级联模型
最近对五个语音 AI 栈进行的基准测试显示，只有两个能够持续在关键的 300 毫秒延迟阈值内响应。作者发现，将语音识别 (STT)、大语言模型 (LLM) 和语音合成 (TTS) 合并为单一流程的端到端语音模型，其性能显著优于级联模型。这些级联系统由于串行处理语音识别、LLM 首个 token 的生成时间、语音合成以及网络往返时间，难以满足延迟要求。速度最快的两个栈是 OpenAI 的 Realtime API 配合 GPT-4o，以…
-
开发者使用本地音频捕获构建注重隐私的 AI 应用
开发者构建了一个名为 Plan AI 的注重隐私的 AI 应用程序，该应用程序通过在本地捕获系统音频来避免侵入性的会议机器人。该应用程序使用 Electron 进行桌面界面，并使用 BullMQ 和 Redis 进行编排的分布式管道进行处理。该管道包括通过 Deepgram 进行转录和使用 SpeechBrain 进行语音生物识别，并对外部 API 调用进行健壮的错误处理和速率限制。
-
Together AI 发布 Voice Finder，支持 600 多种 TTS 语音
Together AI 推出了 Voice Finder，这是一款旨在帮助开发者从 600 多种选项的目录中快速选择最适合其应用程序的声音的新工具。该工具允许用户通过描述所需特征或上传音频样本进行比较来搜索声音。Voice Finder 针对音高、口音和情感等 15 个以上属性对每种声音进行分类，以简化语音代理的选择过程。
-
精心策划的学习路径指导开发者构建实时语音AI代理
一个名为“面向初学者的语音AI”的新GitHub存储库，为开发者提供了一个构建实时语音AI代理的结构化学习路径。该指南涵盖了从初始语音到文本调用到扩展生产电话的整个过程。它详细介绍了现代语音AI堆栈，包括实时传输、流式管道和轮流模型，并将资源按难度级别进行分类。
-
语音模型在街道名称识别上表现不佳，非母语者尤其如此
Together AI 的研究人员发现，当前最先进的语音识别模型存在显著的失败率，转录街道名称的平均错误率为 39%，特别是对于非英语母语者，他们的信息被误解的可能性高出 18%。这种不准确性可能导致严重的现实后果，例如增加出行时间和网约车等服务的成本。研究表明，一种名为“跨语言风格迁移”的合成数据生成技术，只需极少量的训练数据即可将转录准确率提高高达 60%。
-
Rowboat 发布开源 AI 同事，构建知识图谱
Rowboat，一款开源 AI 同事已发布，允许用户从其工作数据中创建个人知识图谱。该工具连接电子邮件和会议记录，以构建持久的本地知识库。然后，它可以使用此上下文起草文档、准备会议和跟踪主题，所有数据都以用户本地可编辑的 Markdown 文件形式存储。
-
新基准和平台推动语音智能体评估与开发
新研究推出了 EVA-Bench，一个用于评估语音智能体的综合框架，解决了模拟真实对话和衡量各种故障模式性能的挑战。同时，发布了新的韩语语音基准（KVoiceBench、KOpenAudioBench、KMMAU），以改进多语言 SpeechLM 的评估，并突显与以英语为中心的模型相比存在的性能差距。此外，Together AI 和 AssemblyAI 正在改进用于构建实时语音智能体的平台，重点关注降低延迟、改善集成和解决生产限制。
-
April 发布语音 AI 助手，用于管理电子邮件和日历
April 是一款新的语音控制 AI 助手，已在 App Store 上线，用于管理电子邮件和日历。该应用程序允许用户通过语音发送回复、总结消息以及免提重新安排会议。它使用 Deepgram 进行语音转文本，使用 Eleven Labs 进行文本转语音，并使用自定义服务器进行 Google 集成。开发人员专注于低延迟和自然交互，同时还考虑用户对安全功能（如用于非破坏性操作的“安全模式”）的反馈。
-
Together AI 集成 Deepgram 语音模型，推出快速 Whisper STT
Together AI 推出了新的语音转文本 (STT) 和文本转语音 (TTS) 功能，集成了 Deepgram 的先进语音模型及其高性能 Whisper V3 API。此举旨在通过提供一个统一的平台来实现实时语音代理的开发，该平台涵盖转录、LLM 处理和合成。这些产品强调速度、准确性和企业级功能，如零数据保留和大型文件处理，解决了当前语音 AI 应用中的关键延迟和质量问题。