Deepgram Nova 3: распознавание речи по API
Nova-3 — модель распознавания речи от компании Deepgram, которая делает голосовые нейросети и API для них. Модель превращает запись в текст: звонок, созвон, интервью, вебинар. По документации Deepgram, она рассчитана на шум, несколько голосов и дальний микрофон, а русский есть в списке языков. Цена — 0,54 ₽ за минуту звука, считаем по секундам записи.
- 0,54 ₽ за минуту звука
- до 2 ч звука
- звук → текст
deepgram/nova-3
Обновлено:
Получить ключ Попробовать Документация
Попробовать Deepgram Nova-3
Загрузи короткую запись — модель вернёт текст. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.
Что попробовать: Загрузи запись до двух минут или запиши голос с микрофона — например, кусок звонка в поддержку. Вернётся текст записи.
В ответ приходит текст записи в поле text — как у OpenAI.
Цены Deepgram Nova-3 в рублях
| Звук — считаем по секундам | 0,54 ₽ за минуту |
|---|
Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена
Сколько стоят типичные задачи
Суммы посчитаны по цене выше — сколько спишется за такую работу.
| Транскрибация звонков в поддержку: час звонков | Около 32,40 ₽ |
|---|---|
| Протоколы совещаний и планёрок: созвон на 45 минут | Около 24,30 ₽ |
| Автоматические субтитры для видео и вебинаров: вебинар на полтора часа | Около 48,60 ₽ |
| Интервью с диктофона на столе: интервью на 40 минут | Около 21,60 ₽ |
| Голосовые отчёты с улицы и склада: 1 500 отчётов по 40 секунд | Около 540,00 ₽ |
Что умеет Deepgram Nova-3
- Расшифровывает готовые записи: файл уходит в API, обратно приходит текст. Принимаем WAV, MP3, FLAC, M4A, OGG и WebM размером до 25 МБ.
- Знает русский. В таблице языков Deepgram он стоит и в многоязычном списке Nova-3, и среди режимов для одного языка. В той же таблице — украинский, белорусский, казахский, грузинский и армянский.
- По словам Deepgram, модель сделана для совещаний, субтитров на мероприятиях, записей с несколькими говорящими, шумом и дальним микрофоном.
- Отдаёт ответ в пяти видах: простой текст, JSON, субтитры SRT и VTT или подробный JSON со временем каждого слова.
- Платишь за длину записи, а не за число слов: 0,54 ₽ за минуту звука, со списанием по секундам.
- Это третье поколение моделей Nova, анонс Deepgram вышел 12 февраля 2025 года.
Где применять
Транскрибация звонков в поддержку
Звонки в поддержку редко звучат чисто: клиент едет в машине, у оператора гудит офис, оба говорят одновременно. Deepgram прямо называет шум и перекрывающуюся речь задачами, под которые готовила Nova-3, и приводит в пример колл-центры. Транскрибация звонка начинается с правильного файла: записи из телефонии отправляй как есть, без лишнего перекодирования, и всегда передавай язык. В ответ придёт текст разговора, который дальше можно сверить со скриптом, разметить по темам или отдать на сводку языковой модели — текстовые модели есть у нас под тем же ключом.
Пример запроса: «zvonok-2026-11-14.mp3, language=ru, response_format=text»
Стоимость: час звонков — около 32,40 ₽.
Протоколы совещаний и планёрок
Созвон на шесть человек — это перебивания, «а можно я добавлю» и кто-то в наушниках с микрофоном из коробки от телефона. В описании Nova-3 у Deepgram совещания стоят первыми в списке задач. Попроси verbose_json со временем слов: по нему легко найти минуту, в которую договорились о сроках, и вырезать нужный кусок для тех, кто пропустил встречу. Имён говорящих в ответе не будет, текст идёт одним потоком.
Пример запроса: «planerka.m4a, language=ru, response_format=verbose_json, timestamp_granularities[]=word»
Стоимость: созвон на 45 минут — около 24,30 ₽.
Автоматические субтитры для видео и вебинаров
Субтитры к мероприятиям — вторая задача из рекомендаций Deepgram для Nova-3. Укажи response_format=srt или vtt, и ответ сразу ляжет в видеоредактор или плеер, без ручной расстановки времени. Если файл ролика тяжелее 25 МБ, вытащи из него звуковую дорожку в M4A или MP3: картинка модели не нужна, а файл похудеет в разы. Длинный вебинар режь на части по 20–30 минут и сдвигай время субтитров у каждой следующей части.
Пример запроса: «vebinar-zvuk.m4a, language=ru, response_format=srt»
Стоимость: вебинар на полтора часа — около 48,60 ₽.
Интервью с диктофона на столе
Телефон лежит на столе между двумя собеседниками: один голос звучит громко и близко, второй доносится издалека, а между ними звенят чашки. Дальний микрофон Deepgram отдельно упоминает, когда перечисляет, на что рассчитана Nova-3. Для текстовой версии интервью хватит простого текста, response_format=text. Имена героев, названия компаний и редкие термины после расшифровки стоит сверить по записи: подсказок словаря в нашем API пока нет.
Пример запроса: «intervyu-diktofon.mp3, language=ru, response_format=text»
Стоимость: интервью на 40 минут — около 21,60 ₽.
Голосовые отчёты с улицы и склада
Курьеру, монтажнику или кладовщику проще наговорить отчёт, чем печатать его в перчатках. Фон у таких записей шумный: ветер, погрузчик, сигналы машин. Deepgram заявляет, что Nova-3 держит точность в шуме, и приводит в пример автокафе и колл-центры, где фон не стихает ни на минуту. Бот принимает голосовое, отправляет файл в API и складывает текст в таблицу или карточку задачи, а исходная запись остаётся на случай спора.
Пример запроса: «otchet-sklad-7.ogg, language=ru, response_format=json»
Стоимость: 1 500 отчётов по 40 секунд — около 540,00 ₽.
Поиск по архиву записей
Лекции, звонки и разборы за несколько лет обычно лежат мёртвым грузом: нужное место находят только прослушиванием, и то если повезёт. Расшифровка с временем слов превращает архив в текст, где ищется любая фраза, а время ведёт обратно к нужной секунде записи. Следующий шаг — поиск по смыслу: текст режут на куски и строят по ним эмбеддинги, они тоже есть у нас по API. Так находится и то, что сказали другими словами.
Пример запроса: «lekciya-03.flac, language=ru, response_format=verbose_json»
Стоимость: архив на 20 часов — около 648,00 ₽.
Как писать запрос
- Передавай язык в поле language. По документации Deepgram модели ждут английскую речь, если язык не указан. Русский — ru, украинский — uk, казахский — kk.
- Сжимай длинные записи. Моно MP3 на 32–48 кбит/с вмещает в 25 МБ час с лишним речи.
- Отрезай тишину по краям: оплачиваются секунды файла, и пять минут ожидания в начале созвона тоже попадут в счёт.
- Выбирай вид ответа под задачу: text — читать, srt или vtt — субтитры, verbose_json — время слов для поиска и монтажа.
Характеристики
| Разработчик | Deepgram |
|---|---|
| Вид | Распознавание речи |
| Файл | mp3, wav, flac, m4a, mp4, ogg, webm; до 25 МБ |
| Звук за раз | до 2 ч |
| Ответ | json, text, srt, vtt, verbose_json |
| id для запроса | deepgram/nova-3 |
- Разработчик: Deepgram, третье поколение моделей Nova (анонс).
- Языки: в многоязычном списке Nova-3 — 55 языков, среди них русский; в режиме одного языка добавляются армянский, грузинский, казахский, монгольский, урду и другие (таблица).
- Вход: WAV, MP3, FLAC, M4A, OGG и WebM, до 25 МБ.
- Ответ: text, json, srt, vtt и verbose_json со временем слов.
- Варианты у Deepgram: nova-3-medical и nova-3-pharma для медицинских слов (список вариантов); у нас продаётся общая nova-3.
Как подключить
Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.
Запрос — POST https://veselo.ai/v1/audio/transcriptions с полем model: deepgram/nova-3, ключ — в заголовке Authorization: Bearer sk-vsl-….
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);Пример ответа — только поля
{
"text": "…"
}В программах: тем же ключом и по тому же адресу, что остальные модели, — из любого HTTP-клиента или библиотеки openai. Библиотеки и программы
Сравнение с похожими
| Модель | Цена | Главное | Когда выбрать |
|---|---|---|---|
| Deepgram Nova-3 — эта модель | 0,54 ₽ / мин | до 2 ч звука | звонки, встречи и видео с шумом и несколькими голосами, русский и ещё 50+ языков |
| AssemblyAI Universal-2 — AssemblyAI | 0,28 ₽ / мин | до 2 ч звука | пакетная расшифровка на многих языках, русский — с высокой точностью |
| ElevenLabs Scribe v3 — ElevenLabs | 0,38 ₽ / мин | до 2 ч звука | точная расшифровка интервью, встреч и лекций с временем каждого слова |
| Soniox STT v6 — Soniox | 0,19 ₽ / мин | до 2 ч звука | фоновая расшифровка записей на 60+ языках, когда ответ может подождать |
| Amazon Transcribe — Amazon | 0,68 ₽ / мин | до 2 ч звука | записи на редких языках, включая татарский и башкирский, когда ответ может подождать |
| Gemini 3.5 Transcribe — Google | 0,56 ₽ / мин | до 1 ч звука | длинные записи до часа и речь на языках соседних стран |
- Soniox STT v6 — свежая модель ноября 2026 года на 60+ языков с русским; подойдёт, если запись может подождать в очереди у вендора.
- Whisper Large v3 — открытая модель OpenAI примерно на 100 языков; удобна, если код уже написан под Whisper.
- ElevenLabs Scribe v3 — расшифровка ElevenLabs примерно на 100 языков; удобна, когда озвучка и распознавание нужны у одного вендора.
- AssemblyAI Universal-2 — 99 языков, русский AssemblyAI относит к первой группе по точности; работает пакетом, ответ приходит дольше.
- Amazon Transcribe — больше 110 языков и вариантов, среди них татарский и башкирский; тоже пакетная обработка.
Версии и отличия
- deepgram/nova-2 — прошлое поколение. Deepgram советует его для языков, которых пока нет у Nova-3.
- deepgram/nova — первое поколение: английский, испанский и хинди латиницей.
- deepgram/enhanced — старая модель, русского в ней нет.
- deepgram/base — старая базовая модель для больших объёмов, русский есть.
Все четыре вызываются по своим id, но новую работу проще начинать с Nova-3. Цены версий — в таблице версий на этой странице.
- Deepgram Base — 1,40 ₽ за минуту звука
- Deepgram Enhanced — 1,63 ₽ за минуту звука
- Deepgram Nova — 0,66 ₽ за минуту звука
- Deepgram Nova-2 — 0,66 ₽ за минуту звука
Подробно о Deepgram Nova-3
Nova-3 — третье поколение моделей Nova. Первая Nova знала английский, испанский и хинди латиницей. Nova-2 добавила десятки языков и отдельные английские версии для звонков, встреч, финансов, медицины и даже переговоров авиадиспетчеров. Старые поколения Deepgram из документации не убрала, поэтому у них до сих пор есть свои id. Анонс Nova-3 Deepgram выпустила 12 февраля 2025 года и подробно описала, где модель должна выигрывать у прошлых.
Первое — трудный звук. Deepgram пишет, что Nova-3 держит точность в шуме автокафе и колл-центров, на записи с большого расстояния до микрофона и там, где люди говорят одновременно. Второе — смена языков посреди разговора. В анонсе названы десять языков, между которыми модель переключается на лету, и русский среди них есть вместе с английским, испанским, французским, немецким, хинди, португальским, японским, итальянским и нидерландским. Третье — настройка под словарь без переобучения: до 100 ключевых терминов. Ещё в анонсе есть скрытие личных данных в разговоре, до 50 видов сведений, и аккуратнее записанные числа.
Что из этого доходит до тебя через наш API. Мы передаём поля в формате OpenAI: файл, язык, вид ответа и время слов. Модель работает в режиме одного языка: ты называешь язык записи, Nova-3 слушает его. Ключевые термины, разметка говорящих, скрытие личных данных и потоковая расшифровка — это настройки собственного API Deepgram, в нашем шлюзе их пока нет. Для большинства задач из списка выше они и не нужны: звонок, совещание или вебинар превращаются в текст и без них.
Веса Nova-3 закрыты. Модель доступна через API Deepgram, а для крупных компаний вендор предлагает ещё и установку на серверах заказчика. У нас она работает по нашему ключу с оплатой в рублях, без аккаунта Deepgram и без зарубежной карты.
Как устроен доступ
Весело — не разработчик Deepgram Nova-3: модель выпускает Deepgram. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность
Вопросы и ответы
- Понимает ли Deepgram Nova-3 русский язык?
- Да. Русский есть в таблице языков Deepgram для Nova-3, код — ru. Передавай его в поле language: без кода модель ждёт английскую речь, и русский разговор распознается плохо.
- Сколько стоит расшифровать час записи на Nova-3?
- Около 32,40 ₽. Платишь за длину звука, 0,54 ₽ за минуту звука, и считаем её по секундам. Тишина тоже оплачивается, поэтому длинные паузы в начале и конце записи выгодно отрезать заранее.
- Брать Nova-3 или прошлую Nova-2?
- Nova-3 — новое поколение, и именно её Deepgram рекомендует для встреч, шумных записей и нескольких говорящих. Nova-2 вендор оставляет для языков, которых у Nova-3 пока нет. Если твой язык есть у обеих, начинай с Nova-3.
- Можно ли отправить на расшифровку видеофайл?
- Можно, если это MP4 или WebM со звуковой дорожкой и файл весит до 25 МБ. Видео обычно тяжёлое, поэтому надёжнее вытащить звук в M4A или MP3: текст выйдет тот же, а файл в разы меньше.
- Будут ли в расшифровке имена говорящих?
- Нет. У Deepgram разметка говорящих включается отдельной настройкой, а наш API её пока не передаёт. Текст придёт одним потоком, а время слов в verbose_json поможет найти нужную реплику в записи.
- Нужен ли аккаунт в Deepgram?
- Нет. Ключ и оплата — у нас, в рублях, а запрос уходит Nova-3 через наш API. Консоль Deepgram, их ключ и их тарифы для этого не нужны.
- Есть ли подписка или абонентская плата?
- Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.
- Сколько запросов можно отправлять?
- До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
- Нужны ли VPN и зарубежная карта для Deepgram Nova-3?
- Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Ещё по теме
Факты сверены 16 ноября 2026 по документации: developers.deepgram.com, deepgram.com