Весело
Весело

Deepgram API: Nova и Aura

Deepgram делает модели распознавания и синтеза речи для звонков, встреч и голосовых ботов. По нашему ключу доступна Nova-3 — главная модель распознавания Deepgram, русский среди её языков, — и озвучка Aura-2: около 90 голосов на семи языках, но без русского. Старые Nova-2, Nova, Enhanced и Base оставлены для совместимости.

  • 7 моделей
  • от 0,54 ₽ за минуту звука
  • озвучка текста, распознавание речи

Обновлено:

Получить ключ Документация

Модели и цены

Озвучка текста

Озвучка: цена в рублях за 1000 знаков или за запись
МодельЗнаков за разЦена
Deepgram Aura-2до 4 0963,36 ₽ за 1000 знаков
Deepgram Auraдо 4 0961,68 ₽ за 1000 знаков

Распознавание речи

Распознавание речи: цена в рублях за минуту звука
МодельЗвука за разЦена
Deepgram Nova-3до 2 ч0,54 ₽ за минуту звука
Deepgram Nova-2до 2 ч0,66 ₽ за минуту звука
Deepgram Baseдо 2 ч1,40 ₽ за минуту звука
Deepgram Enhancedдо 2 ч1,63 ₽ за минуту звука
Deepgram Novaдо 2 ч0,66 ₽ за минуту звука

Как выбрать

У Deepgram два направления, и пересекаются они редко: распознавание речи на десятках языков и озвучка для англоязычных ботов.

  • Deepgram Nova-3 — самая сильная универсальная модель распознавания Deepgram. Сама компания советует её для совещаний, субтитров к мероприятиям, записей с несколькими говорящими или на нескольких языках, с шумом и с дальним микрофоном. Русский у Nova-3 есть и в многоязычном режиме, и отдельным языком.
  • Deepgram Aura-2 — озвучка на английском, испанском, немецком, французском, нидерландском, итальянском и японском. Русского у Aura-2 нет, так что для русского бота смотри сравнение озвучек с русским языком.
  • Nova-2, Nova, Enhanced и Base — прошлые модели распознавания. Deepgram оставляет Nova-2 для языков, которых пока нет у Nova-3, и для отметки слов-паразитов. Nova и Enhanced по-русски не понимают, а Base — старая базовая модель, которая к тому же дороже Nova-3.

Одно правило Deepgram легко пропустить: если язык не указан, модели считают запись английской. Для русской записи всегда передавай language: "ru" — тогда Nova-3 распознаёт её как русскую речь, а не пытается услышать английские слова.

Популярные задачи

Звонки в колл-центр

Запись разговора оператора с клиентом — это телефонная связь, шум и два голоса, которые перебивают друг друга. Deepgram Nova-3 Deepgram делала как раз для такой речи. Отправь файл с language: "ru", а в подробном ответе verbose_json получи время каждого слова: по нему видно, на какой минуте клиент назвал номер заказа.

Пример запроса: запись звонка в поддержку на две минуты, в ответ — текст с пунктуацией и временем слов.

Протокол совещания

Планёрка в переговорке, где ноутбук стоит на краю стола, а говорят пятеро, — тот самый «дальний микрофон», для которого Deepgram рекомендует Nova-3. Расшифровку потом удобно отдать языковой модели и попросить собрать протокол: решения, сроки, ответственных. Для этого шага подойдут текстовые модели, например DeepSeek по API, — тем же ключом.

Субтитры к вебинару в записи

Вебинар или выступление на конференции Nova-3 расшифрует целиком, а время слов поможет нарезать текст на строки субтитров по две-три секунды. Если доклад идёт по-русски, а вопросы из зала — по-английски, раздели запись на две части и для каждой укажи свой язык: так модель не будет гадать.

Англоязычный голосовой бот

Deepgram Aura-2 подходит для бота, который отвечает клиентам на английском. В таблицах голосов Deepgram отмечает, для чего каждый голос хорош: поддержка клиентов, голосовое меню, реклама, рассказ истории. Голос выбирай один на всего бота и закрепи его id в коде.

Пример запроса: «Thanks for calling. Your appointment is confirmed for Tuesday at three p.m.»

Объявления для иностранных гостей

Отель, музей или магазин в аэропорту часто озвучивает объявления на нескольких языках. У Aura-2 семь языков, а пять испанских голосов, по документации Deepgram, переходят с испанского на английский прямо внутри текста. Русскую версию того же объявления озвучь другой моделью — например, из каталога голосов с русским.

Как получить ключ Deepgram API в России

В самом Deepgram ключ передаётся заголовком Authorization: Token …, а запись уходит на /v1/listen. У нас всё устроено как у OpenAI, и один ключ подходит ко всем моделям.

  1. Получи ключ sk-vsl-… в разделе для разработчиков — для этого достаточно войти на veselo.ai.
  2. Внеси деньги на API-счёт с карты российского банка или через СБП. За распознавание спишется цена по секундам записи, округлённым вверх.
  3. Отправь файл в POST https://veselo.ai/v1/audio/transcriptions как multipart/form-data с полями model=deepgram/nova-3 и language=ru. В Python это client.audio.transcriptions.create(...) из OpenAI SDK с нашим адресом.

Форматы файлов и поля ответа описаны в разделе о распознавании речи, голоса Aura-2 и поля озвучки — в разделе об озвучке.

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI. Пример — с моделью Deepgram Nova-3: у других моделей меняется только model.

curl

curl https://veselo.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -F model="deepgram/nova-3" \
  -F file="@speech.mp3"

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)

with open("speech.mp3", "rb") as f:
    r = client.audio.transcriptions.create(model="deepgram/nova-3", file=f)
print(r.text)

JavaScript

import fs from 'node:fs';
import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ', timeout: 600_000, maxRetries: 0 });

const r = await client.audio.transcriptions.create({
  model: 'deepgram/nova-3',
  file: fs.createReadStream('speech.mp3'),
});
console.log(r.text);

В программах: тем же ключом и по тому же адресу, что остальные модели, — из любого HTTP-клиента или библиотеки openai. Библиотеки и программы

Deepgram Nova-3 · Документация раздела

Версии и отличия

  • Nova-3 — главная модель распознавания: многоязычный режим с русским и отдельные языки, включая русский.
  • Nova-2 — прошлое поколение. Deepgram держит её для языков, которых нет у Nova-3, и для отметки слов-паразитов. Русский у неё есть, но у нас она дороже Nova-3.
  • Nova — первая Nova: английский, испанский и хинди, без русского.
  • Enhanced — старая модель без русского. Base — старая базовая модель с русским, дороже Nova-3.
  • Aura-2 — около 90 голосов на семи языках. Aura — первое поколение: 12 голосов, только английский.
  • Чего здесь нет: Flux — потоковой модели Deepgram для голосовых агентов с определением конца реплики. Она работает только в реальном времени, а у нас распознавание по готовому файлу.

Вопросы и ответы

Почему Nova-3 плохо распознала русскую запись?
Скорее всего, не был указан язык: по умолчанию модели Deepgram ждут английскую речь. Передай language: "ru" и отправь запись ещё раз. Проверь сначала на коротком куске — он обойдётся дешевле целого файла.
Есть ли у Deepgram озвучка на русском?
Нет. Aura-2 говорит на английском, испанском, немецком, французском, нидерландском, итальянском и японском, а первая Aura — только по-английски. Для русского текста выбирай другие модели каталога.
Весело — это и есть Deepgram?
Нет. Мы не Deepgram, а сервис, который продаёт доступ к её моделям по своему ключу — в рублях и без иностранной карты. Запись уходит модели только для распознавания; что хранится у нас, описано в разделе о данных.
Можно ли распознавать разговор в реальном времени?
Пока нет: у нас только готовые файлы. Потоковые модели Deepgram, включая Flux, работают через постоянное соединение, а такого входа у нашего API нет.
Сколько стоит минута Deepgram Nova-3?
Цена за минуту записи — в таблице моделей на этой странице, а списание идёт по секундам, округлённым вверх. Минута тишины в начале записи тоже входит в длину файла, так что лишнее есть смысл обрезать заранее.
Чем Nova-3 отличается от Nova-2?
Nova-3 Deepgram называет своей самой сильной моделью общего назначения. Nova-2 осталась для языков, которых у Nova-3 ещё нет, и для отметки слов-паразитов. Для русской речи бери Nova-3.
Нужны ли VPN и зарубежная карта?
Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Сколько стоит запрос, который закончился ошибкой?
Нисколько: ошибка нейросети денег не стоит, удержание на время запроса снимается целиком.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: developers.deepgram.com