Audio-API für Speech-to-Text, Text-to-Speech, Audio Intelligence und Voice Agents.
Deepgram ist eine Audio-API für Speech-to-Text, Text-to-Speech, Audio Intelligence und Voice Agents. Sie richtet sich an Anwendungen, die Audio in Echtzeit oder als Datei verarbeiten.
Für Entwickler, die Transkription, Sprachsynthese oder Voice-Funktionen in eine eigene Anwendung integrieren.
PAYG hat kein Mindestvolumen, keine Ablaufpflicht und keine Kreditkarte zum Start; Deepgram nennt 200 USD Startguthaben. Aktuelle Beispiele sind im Streaming 0,0065 USD pro Minute für Flux English, 0,0078 USD für Flux Multilingual, 0,0048 USD für Nova-3 Monolingual und 0,0058 USD für Nova-3 Multilingual. Für voraufgezeichnete Audios stehen Nova-3 Monolingual mit 0,0043 USD und Multilingual mit 0,0052 USD je Minute auf der Seite. Flux TTS ist bis 12.09.2026 kostenlos, danach 0,045 USD je 1.000 Zeichen; Growth-Raten liegen jeweils niedriger. Growth beginnt als Prepaid-Jahresmodell ab 4.000 USD.
Bestätigt sind PAYG, Startguthaben, aktuelle STT- und TTS-Beispiele sowie die Modellrollen. Nova unterstützt laut Dokumentation mehr als 45 Sprachen; Flux Multilingual nennt zehn Sprachen. Die Promo- und Modellpreise sind zeitabhängig.