Deepgram

O que é

A Deepgram é a camada de voz sobre a qual muitos stacks de suporte por voz rodam sem que os compradores saibam. Ela vende speech-to-text (a família Nova-3 para transcrição e o Flux para conversa em tempo real), text-to-speech (Aura-2 e o mais novo Flux TTS) e uma Voice Agent API que empacota transcrição, um LLM e uma voz em um único WebSocket com tarifa fixa por hora. Quando você configura um assistente na Vapi ou um agente virtual da Genesys, a Deepgram costuma ser o transcritor que fica por baixo.

Esta página responde a uma pergunta: qual camada de voz fica por baixo do seu agente de voz de suporte, e você deve comprar a Deepgram diretamente ou ficar com o que a sua plataforma de voz já inclui? A empresa é independente e bem capitalizada. Ela levantou uma Série C de $130M com valuation de $1.3B em 13 de janeiro de 2026, liderada pela AVP, com Twilio, ServiceNow Ventures, SAP e Citi Ventures entrando como investidores estratégicos. No mesmo anúncio, adquiriu a OfOne, uma empresa de IA de voz para drive-thru, que agora ancora a oferta para restaurantes.

Por que aparece em stacks de CX e suporte

• O Flux foi feito para a troca de turnos, não para transcrições. Lançado em outubro de 2025, o Flux faz transcrição e detecção de fim de turno em um único modelo, em vez de acoplar um detector de atividade de voz a um fluxo de ASR. A Deepgram cita cerca de 260ms de latência de fim de turno e entrega barge-in nativo e eventos de fim de turno “eager” para que o seu LLM comece a rascunhar antes de quem liga terminar de falar. Esses são números do fornecedor. O que você pode verificar por conta própria é o efeito: menos casos de o agente falar por cima de quem liga ou ficar em silêncio.
• Modelos de domínio para as ligações que quebram o STT genérico. O Nova-3 Medical ganhou suporte a dez idiomas em 6 de outubro de 2026, e o Nova-3 Pharma (17 de setembro de 2026) mira o reconhecimento de nomes de medicamentos. O keyterm prompting permite enviesar o reconhecimento para SKUs, nomes de planos e IDs de conta, e desde 2 de outubro de 2026 você pode atualizar esses keyterms no meio do stream.
• Roda onde o seu time de compliance precisa. Há endpoints dedicados para a UE (api.eu.deepgram.com) e a Índia (disponível de forma geral desde 15 de setembro de 2026), e clientes Enterprise podem hospedar os modelos na própria VPC ou on-premises em GPUs da NVIDIA. A Deepgram assina BAAs com clientes Enterprise que lidam com ePHI.
• Os grandes fornecedores de contact center já compram. A Genesys roda o reconhecimento de voz da Deepgram dentro do seu Agentic Virtual Agent, e a Deepgram lista a Five9 como cliente para contenção em autoatendimento e precisão alfanumérica. Se o seu CCaaS já usa a Deepgram, um contrato direto dá a você o mesmo motor com seus próprios keyterms e termos de dados.

Realidade de preços

O pay-as-you-go começa com $200 de crédito grátis, não pede cartão e não tem mínimo. Tarifas de tabela em 19 de outubro de 2026:

• Nova-3 streaming: $0.0048/min monolíngue (cerca de $0.29/hr) e $0.0058/min multilíngue. A Deepgram marca essas tarifas de streaming como preço promocional por tempo limitado, então planeje o orçamento para que subam.
• Nova-3 pré-gravado: $0.0043/min monolíngue.
• Flux streaming: $0.0065/min em inglês (cerca de $0.39/hr) e $0.0078/min multilíngue.
• Add-ons: diarização e redação em streaming custam $0.0020/min cada, e keyterm prompting custa $0.0013/min. Uma ligação em streaming com os três sai por cerca de $0.0101/min no Nova-3, aproximadamente o dobro da tarifa principal.
• TTS: o Aura-2 custa $0.030 por 1,000 caracteres e o Flux TTS custa $0.045.
• Voice Agent API: $4.50/hr ($0.075/min) no tier padrão, $3.00/hr se você trouxer seu próprio LLM e TTS, e $9.75/hr no tier avançado. A telefonia é cobrada à parte pela sua operadora.

Os planos Growth começam em $4,000 por ano em crédito pré-pago e reduzem as tarifas do Nova-3 em cerca de 12–17%. O excedente no Growth é cobrado pela tarifa Growth mais 10%. Na prática, um time de suporte que transcreve 100,000 minutos de streaming por mês paga cerca de $480–$1,010 por mês a preço de tabela, dependendo dos add-ons. Speech-to-text raramente é a linha cara na conta de um agente de voz. O LLM e a voz custam mais.

Ideal para

Líderes de engenharia de suporte e de plataforma de CX que constroem ou são donos de um agente de voz na Vapi, Retell AI, LiveKit ou Pipecat e querem escolher o transcritor por conta própria, especialmente quando quem liga dita números de conta, nomes de medicamentos ou códigos de produto. Também serve a times de RevOps que constroem transcrição de ligações interna para coaching ou write-back no CRM, e que querem a camada de voz crua em vez de uma licença do Gong.

Pule se ninguém no seu time vai escrever código contra uma API. A Deepgram é um componente, não um agente pronto.

Versus as alternativas

Os incumbentes em speech-to-text são os hyperscalers (Google Cloud Speech-to-Text, Amazon Transcribe, Azure AI Speech) e a AssemblyAI. Escolha um hyperscaler quando compras exigir que você fique dentro de um contrato de nuvem existente e a latência não for decisiva. Escolha a AssemblyAI quando o preço por hora decidir. O modelo Universal-Streaming dela tem preço de tabela de $0.15/hr, cerca de metade da tarifa de streaming do Nova-3, embora cobre por tempo de sessão de WebSocket e não por áudio enviado, então conexões ociosas contam. A Voice Agent API dela também custa $4.50/hr com tudo incluído, o mesmo valor de vitrine da Deepgram.

O entrante que mais cresce é a ElevenLabs, que agora vende speech-to-text com o Scribe ao lado das vozes pelas quais é conhecida. Escolha-a quando ter um único fornecedor para ouvidos e voz importar mais que o custo por minuto, ou quando a qualidade de voz for o que os clientes vão julgar.

Escolha a Deepgram quando a troca de turnos, o vocabulário de domínio ou a hospedagem própria decidirem o projeto. Se você não quer nada disso in-house, compre um agente gerenciado (PolyAI, Sierra) e deixe o fornecedor escolher o stack de voz.

Pontos de atenção

• Os preços de streaming são promocionais. Proteção: modele seu business case a 1.5× as tarifas atuais de streaming do Nova-3 e do Flux, e se o volume justificar um compromisso Growth, trave a tarifa no pedido de compra.
• As alegações de precisão e latência vêm dos benchmarks da própria Deepgram. Proteção: antes de assinar, rode 200–500 das suas próprias ligações gravadas pelo Nova-3, pelo Flux e por um concorrente, e meça a taxa de erro de palavras nas entidades que importam: números de conta, nomes de produto e endereços.
• O Flux TTS é só em inglês no lançamento. Proteção: se alguma fila atende quem não fala inglês, mantenha o Aura-2 ou uma voz de terceiros nessas filas, e confirme a cobertura de idiomas por escrito antes de se comprometer com um único fornecedor de TTS.
• A hospedagem própria exige contrato Enterprise e GPUs próprias, e o Whisper foi removido do motor self-hosted em 1º de outubro de 2026. Proteção: orce a capacidade de GPU e o headcount de operações junto com a licença, e migre qualquer workload de Whisper para o Nova-3 antes de atualizar.