AI TOOL DATABASE v2
Deepgram
低遅延の音声認識と音声合成、Voice AgentをAPIで統合するリアルタイム音声AI基盤。
選定サマリー
30秒で向き不向きを確認
AI位置づけ
AIネイティブ（AIそのものが中核のサービス）
向いている
低遅延の音声APIが必要な開発者
向いていない
GUIだけで文字起こししたい個人ユーザー
料金
Nova-3録音済み$0.0043/分、Streaming $0.0048/分〜（2026-08確認）
最大の強み
低遅延ストリーミング
注意点
API実装が前提
THINKLAB判定
リアルタイムVoice AIを作るなら有力候補。特にSTTだけでなくTTSとAgent orchestrationまでまとめたい場合に比較価値が高い。
概要
DeepgramはSpeech-to-Text、Text-to-Speech、Voice Agent APIを提供する開発者向け音声AIプラットフォームです。
Nova-3やFluxなど用途別モデルを持ち、リアルタイム会話やコールセンター、音声エージェントに強みがあります。
主な機能
Streaming STT
リアルタイム音声認識を低遅延で提供。
Pre-recorded STT
録音済み音声を従量課金で文字起こし。
Text-to-Speech
Aura/Flux系音声合成を提供。
Voice Agent API
認識・LLM・音声合成を統合した音声エージェント基盤。
Enterprise deployment
要件に応じて専用・セルフホスト構成も検討できます。
AI機能の詳細・制約はページ下部の「詳細情報」にまとめています
活用例
個人・一般
音声エージェント
電話・音声UIで自然な対話体験を構築する。
リアルタイム字幕
会議や配信を低遅延で文字起こしする。
コールセンター
通話の記録・分析基盤へ組み込む。
業務・組織
Voice AI基盤
認識と音声合成を一体で利用し音声プロダクトを構築する。
料金
Pay-as-you-go。
Nova-3 Monolingualは録音済み$0.0043/分、ストリーミングはキャンペーン価格$0.0048/分など。
無料枠あり
Pay As You Go
従量課金
利用量に応じてSTT/TTS/Agentを課金。
Growth
年間コミット
一定規模以上で割引と追加枠を提供。
公式 Pricing ページを開く料金確認：2026年8月25日
強み・弱み
強み
- 低遅延ストリーミング
- STT/TTS/Agentを一体提供
- 従量課金で試しやすい
弱み
- API実装が前提
- モデル・機能別の料金構造を把握する必要がある
比較・競合
迷うときの比較軸
- リアルタイム遅延
- 認識精度
- TTS品質
- Voice Agent
- 料金
- デプロイ方式
Deepgram vs AssemblyAI
両者とも音声AI APIに強く、精度・遅延・価格・Voice Agent構成で比較したい。
Deepgram vs Google Cloud Speech-to-Text
Google Cloudはクラウド統合が強く、DeepgramはVoice AI専業として低遅延・音声スタックを前面に出す。
THINKLABの結論
選定サマリーの判定を、選び方として整理したものです。
選ぶべき場合
低遅延の音声認識・合成を使ってVoice Agentや通話アプリを作るとき。
別製品を選ぶべき場合
非開発者が単発文字起こしだけを求める場合。
確信度: high
詳細情報
導入判断の本線から外した補足です。必要な項目だけ開いてください。
AI機能の詳細
Nova-3
録音済み・ストリーミング音声を高精度に文字起こしします。
制約
言語や環境により精度差があります。
Flux
会話エージェント向けにターン検出や低遅延認識を提供します。
制約
用途に応じたモデル選定が必要です。
向き不向き（一覧）
こんな人におすすめ
- 低遅延の音声APIが必要な開発者
- Voice Agentを構築する企業
おすすめしないケース
- GUIだけで文字起こししたい個人ユーザー
プラットフォーム / API
対応プラットフォーム
- API
- Web
API
あり
セキュリティ / データの扱い
企業向けにGDPR、HIPAA、SOC 2等への対応情報を公開。
機密音声では保持・リージョン条件を確認します。
取扱い: EU endpoint等、用途に応じたデータ処理条件を確認してください。
学習・送信: 契約・デプロイ形態ごとのデータ利用条件を確認してください。
情報源 / 最終確認日
情報確認：2026年8月25日