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:
Модели и цены
Озвучка текста
| Модель | Знаков за раз | Цена |
|---|---|---|
| Deepgram Aura-2 | до 4 096 | 3,36 ₽ за 1000 знаков |
| Deepgram Aura | до 4 096 | 1,68 ₽ за 1000 знаков |
Распознавание речи
| Модель | Звука за раз | Цена |
|---|---|---|
| Deepgram Nova-3 | до 2 ч | 0,54 ₽ за минуту звука |
| Deepgram Nova-2 | до 2 ч | 0,66 ₽ за минуту звука |
| Deepgram Base | до 2 ч | 1,40 ₽ за минуту звука |
| Deepgram Enhanced | до 2 ч | 1,63 ₽ за минуту звука |
| Deepgram Nova | до 2 ч | 0,66 ₽ 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.
- Получи ключ
sk-vsl-…в разделе для разработчиков — для этого достаточно войти на veselo.ai. - Внеси деньги на API-счёт с карты российского банка или через СБП. За распознавание спишется цена по секундам записи, округлённым вверх.
- Отправь файл в
POST https://veselo.ai/v1/audio/transcriptionsкакmultipart/form-dataс полямиmodel=deepgram/nova-3иlanguage=ru. В Python этоclient.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
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