Whisper准确但规模化后慢且笨重。Deepgram的Nova模型号称更快、错误率更低。

💡 你将学到

Whisper准确但规模化后慢且笨重。Deepgram的Nova模型号称更快、错误率更低。

📜 目录

• Deepgram：在价格与速度上可与 Whisper 一较高下的商用语音 API
• Nova 在哪些方面优于开源方案
• 定价模式
• 何时仍应选择 Whisper
• 常见问题
• 相关文章

Deepgram API 指南 2026：Nova-3 语音转文字、定价及与 Whisper 的选型对比

Deepgram：在价格与速度上可与 Whisper 一较高下的商用语音 API

Deepgram 是一家语音转文字 API 公司，其 Nova 模型系列自 2023 年 Nova-2 发布、2025 年 Nova-3 跟进以来，一直是开发者的常用选择。新账户可获得 200 美元免费额度——依据模型层级不同，大约可转录 40-60 小时的音频——使其成为测试生产级 STT 流水线最经济的方式之一。

Nova 在哪些方面优于开源方案

OpenAI 的 Whisper（GitHub 星标 106,000+，MIT 许可证）是免费的基准方案，表现优异。但 Deepgram 提供了在大规模场景下至关重要的便利性：

1. 速度。 Nova 模型的转录速度超过实时，通常为实时速度的 3-10 倍，因此一小时的电话录音几分钟内即可完成。
2. 流式传输并自带标点。 标点、大小写以及说话人分离均为内置功能，可按需开启，无需额外后处理。
3. 关键词提示。 你可以让模型偏向识别产品名称和行业术语——这对充满 API 名称的支持电话至关重要。
4. 多语言覆盖。 Nova-3 通过一次 API 调用即可处理数十种语言，且支持自动语言检测。

定价模式

Deepgram 按音频分钟数（或某些计划按小时数）收费，价格随用量递增；免费层是 200 美元额度，而非固定分钟数。对于高量转录，每分钟费率远低于标价，这也是为何处理数万小时通话的公司会协商专用计划。

何时仍应选择 Whisper

如果你的工作负载是离线批量转录，或出于隐私需求需在自有硬件上运行一切，又或你拥有闲置的 GPU 算力，那么 Whisper（或 CPU 上的 whisper.cpp）仍然是正确选择——免费、本地化且持续改进。当你需要低延迟、流式传输或无需管理 GPU 基础设施即可扩展规模时，Deepgram 则更具优势。

常见问题

Deepgram 是免费的吗？ 新账户可获得 200 美元额度；超出部分按分钟付费。

Deepgram 也支持文本转语音吗？ 是的，它同样提供 TTS 模型，包括声音克隆选项。

我可以将其用于实时电话通话吗？ 可以，它拥有专为实时电话设计的流式 WebSocket 端点。

我的音频会被存储吗？ Deepgram 提供零存储保留选项，适用于合规敏感场景。

相关文章

• LLM API价格对比2026：OpenAI、Claude、Gemini、DeepSeek每token定价
• 免费LLM API平台2026：零成本跑自己的OpenAI兼容网关
• AI会议纪要2026：免费自托管转写+总结（Whisper方案）

❓ 常见问题

Is Deepgram free?

New accounts get $200 in credit; beyond that it is pay-per-minute.

Does Deepgram support text-to-speech too?

Yes, it has TTS models as well, including voice cloning options.

Can I use it for live phone calls?

Yes, it has streaming WebSocket endpoints designed for real-time telephony.

Is my audio stored?

Deepgram offers zero-storage retention options for compliance-sensitive use.