Deepgram Inc. · Tools

Deepgram

Auf einen Blick

Preis
Preis auf Anfrage
Anbieter
Deepgram Inc.

Technische Daten & Eigenschaften

Kaufentscheidend

Preis-Modell
Freemium 1
Audio-Funktionen
  • Speech-to-Text
  • Text-to-Speech
1
DSGVO / EU-Hosting
EU-Option möglich 1
Unterstützte Sprachen
45 Sprachen 1

Preis

Kostenlose Stufe
Ja 1

Integration

API verfügbar
Ja 1
Streaming-API
Ja 1

Compliance

SOC 2
Ja 1
Daten melden / Korrektur vorschlagen

Messwerte im Kategorie-Vergleich

Unterstützte Sprachen
45 Sprachen Kategorie-Max 100 Sprachen (12 belegt)
Latenz (Echtzeit-Audio)
k. A.

Profil

Deepgram ist eine entwicklerorientierte Voice-AI-API für Speech-to-Text-Transkription, Text-to-Speech (Aura) und eine kombinierte Voice Agent API zum Bau von Echtzeit-Sprachdialogsystemen. Sie richtet sich an Engineering-Teams, die Produktionsfeatures ausliefern — Transkription für Callcenter und Meetings, Voicebots für Support und Vertrieb oder Vertonung für Apps — statt an Einzelnutzer, die eine einzelne Datei bearbeiten wollen. Abgerechnet wird komplett nutzungsbasiert: Pay-as-you-go-Preise pro Minute bzw. pro 1.000 Zeichen, eine vergünstigte "Growth"-Stufe mit Vorauszahlung, individuelle Enterprise-Deals sowie 200 $ Startguthaben.

Wer steckt dahinter

Deepgram wurde 2015 von CEO Scott Stephenson und einem Mitgründer gegründet, die sich über Machine-Learning-Forschung kennenlernten (unter anderem Wellenform-Analyse für einen Dunkle-Materie-Detektor), bevor sie sich der Sprachtechnologie zuwandten. Das Unternehmen arbeitet remote-first mit Mitarbeitenden in über 20 US-Bundesstaaten und mehr als 5 Ländern und beschreibt sich als forschungsgetriebenes KI-Unternehmen mit Fokus auf Sprachtechnologie. Im Januar 2026 sammelte Deepgram eine Series-C-Runde über 130 Millionen US-Dollar ein und erreichte damit eine Bewertung von 1,3 Milliarden US-Dollar.

Kernfunktionen

  • Nova-3 — produktionsreifes Speech-to-Text-Modell mit Unterstützung für 50+ Sprachen, mit ein- und mehrsprachigen Preisstufen
  • Flux — Echtzeit-Spracherkennung für Sprachdialogsysteme mit eingebauter Turn-Detection; aktuell für Englisch, Spanisch, Deutsch, Französisch, Hindi, Russisch, Portugiesisch, Japanisch, Italienisch und Niederländisch
  • Aura-2 und Aura-1 — Text-to-Speech-Modelle mit 40+ englischen Stimmen inklusive US-, australischen und philippinischen Akzenten, ausgelegt auf Streaming mit unter 200 ms Latenz für Voice-Agent-Anwendungsfälle
  • Voice Agent API — bündelt STT, ein LLM und TTS in einer latenzarmen Pipeline, abgerechnet nach WebSocket-Verbindungszeit
  • Zusatzfunktionen: Sprecher-Diarisierung und PII-/Text-Redaktion, zusätzlich pro Minute berechnet
  • Branchen-optimierte Modellvarianten für Gesundheitswesen, Recht und Finanzen sowie Public-Cloud-, Private-Cloud- und On-Premises-Deployment

Preise

  • Speech-to-Text (Pay-as-you-go, pro Minute): Flux Englisch 0,0065–0,0077 $; Nova-3 einsprachig 0,0048–0,0077 $; Nova-3 mehrsprachig 0,0058–0,0092 $; Diarisierung/Redaktion als Zusatz +0,0020 $/Minute
  • Text-to-Speech (pro 1.000 Zeichen): Aura-2 0,030 $ Pay-as-you-go / 0,027 $ im Growth-Plan; Aura-1 0,015 $ Pay-as-you-go / 0,0135 $ im Growth-Plan
  • Voice Agent API: etwa 0,050–0,163 $/Minute je nach Stufe und Konfiguration
  • Growth-Plan: vorausbezahltes Jahresguthaben mit bis zu ~20 % Rabatt gegenüber Pay-as-you-go (bei den meisten STT-Modellen rund 13 % günstiger)
  • Enterprise: individuelle Volumenpreise und Vertragsbedingungen
  • Neue Konten erhalten 200 $ Startguthaben ohne Kreditkartenpflicht; aktuelle Preisseite prüfen, da sich Preise ändern können

Für wen

Deepgram passt zu Engineering-Teams, die Transkription, Sprachagenten oder TTS-Vertonung direkt in ein Produkt einbauen und für die nutzungsbasierte Minutenpreise sowie latenzarmes Streaming wichtiger sind als ein Point-and-Click-Editor. Das Startguthaben von 200 $ und die Pay-as-you-go-Stufe eignen sich für Prototyping und kleine Apps; Growth und Enterprise lohnen sich, sobald das Volumen planbar genug ist, um den Rabatt vorauszubezahlen, oder sobald ein Team Private-Cloud-/On-Prem-Deployment und individuelle Vertragsbedingungen benötigt.

Häufige Fragen

Was kostet Deepgram?

Deepgram ist vollständig nutzungsbasiert: Speech-to-Text kostet je nach Modell (Nova-3, Flux) und Ein-/Mehrsprachigkeit etwa 0,0048 bis 0,0092 $ pro Minute, Text-to-Speech (Aura) kostet 0,015–0,030 $ pro 1.000 Zeichen, und die Voice Agent API liegt bei rund 0,050–0,163 $ pro Minute Verbindungszeit. Ein vorausbezahlter Growth-Plan reduziert diese Preise um bis zu ~20 %, Enterprise-Kunden erhalten individuelle Volumenpreise. Aktuelle Preisseite prüfen, da sich Preise ändern können.

Ist Deepgram kostenlos?

Deepgram gibt neuen Konten 200 $ Startguthaben ohne Kreditkartenpflicht, das für Speech-to-Text, Text-to-Speech oder die Voice Agent API zu Pay-as-you-go-Preisen genutzt werden kann. Über dieses Startguthaben hinaus gibt es keine dauerhaft kostenlose Stufe — danach wird pro Minute bzw. pro 1.000 Zeichen abgerechnet.

Welche Sprachen unterstützt Deepgram?

Deepgrams zentrale Speech-to-Text-Modelle (Nova-3 und andere) unterstützen 50+ Sprachen, mit eigenen Dokumentationsseiten für über 40 davon, darunter Arabisch, Bengalisch, Kantonesisch, Mandarin, Koreanisch, Thailändisch und Vietnamesisch. Flux, das neuere Echtzeit-Modell für Sprachdialogsysteme, deckt aktuell einen kleineren Sprachumfang ab — Englisch, Spanisch, Deutsch, Französisch, Hindi, Russisch, Portugiesisch, Japanisch, Italienisch und Niederländisch — und die Aura-Text-to-Speech-Stimmen sind aktuell nur englischsprachig, mit US-, australischen und philippinischen Akzenten.

Gibt es bei Deepgram eine API?

Ja — Deepgram ist ein API-first-Produkt. Es bietet REST- und Streaming-Endpunkte für Speech-to-Text (Nova-3, Flux), Text-to-Speech (Aura-2, Aura-1) und eine kombinierte Voice Agent API, die STT, ein LLM und TTS zu einer latenzarmen Pipeline verkettet, dazu einen Browser-Playground unter playground.deepgram.com zum Testen vor dem Coden. Deployment-Optionen umfassen Public Cloud, Private Cloud und On-Premises über die Enterprise Runtime.

Darf ich Deepgram kommerziell nutzen?

Deepgram wird explizit als kommerzielles API-Produkt verkauft: Die Pläne Pay As You Go, Growth und Enterprise sowie die branchenoptimierten Modelle für Gesundheitswesen, Finanzen und Callcenter sind ausdrücklich für den produktiven Geschäftseinsatz gebaut. Die öffentlichen Website-Nutzungsbedingungen von Deepgram decken allerdings vor allem die Marketing-Site selbst ab und regeln keine detaillierten Content-/Output-Eigentumsrechte — diese stehen im Master Service Agreement, weshalb Teams mit strengen Compliance-Anforderungen diesen Vertrag direkt statt der allgemeinen Bedingungen prüfen sollten.

Deepgram vs. AssemblyAI — was ist der Unterschied?

Beide sind nutzungsbasierte Speech-to-Text-APIs für Entwickler, unterscheiden sich aber bei Startguthaben und Preisstruktur: Deepgram gibt 200 $ Startguthaben gegenüber 50 $ bei AssemblyAI, während AssemblyAIs Stundenpreise (0,15 $/Stunde bei Universal-2, 0,21 $/Stunde bei Universal-3.5 Pro für vorab aufgezeichnetes Audio) auf den ersten Blick günstiger wirken als Deepgrams Minutenpreise bei Nova-3 (rund 0,0048–0,0092 $/Minute, also etwa 0,29–0,55 $/Stunde) — die tatsächlichen Kosten hängen aber von Sprache, Zusatzfunktionen und Mengenrabatten auf beiden Seiten ab. Deepgram differenziert sich durch die gebündelte Voice Agent API und Aura-Text-to-Speech auf derselben Plattform, während AssemblyAI auf breite Sprachabdeckung (100+ Sprachen über ein Übersetzungs-Add-on) und eine eigene All-inclusive-Voice-Agent-Preisstufe von 4,50 $/Stunde setzt.