Весело
Весело

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 секундам0,54 ₽ 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 звонковОколо 32,40 ₽
Протоколы совещаний и планёрок: созвон на 45 минутОколо 24,30 ₽
Автоматические субтитры для видео и вебинаров: вебинар на полтора часаОколо 48,60 ₽
Интервью с диктофона на столе: интервью на 40 минутОколо 21,60 ₽
Голосовые отчёты с улицы и склада: 1 500 отчётов по 40 секундОколо 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

РазработчикDeepgram
ВидРаспознавание речи
Файлmp3, wav, flac, m4a, mp4, ogg, webm; до 25 МБ
Звук за раздо 2 ч
Ответjson, text, srt, vtt, verbose_json
id для запросаdeepgram/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

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
Deepgram Nova-3 — эта модель0,54 ₽ / миндо 2 ч звуказвонки, встречи и видео с шумом и несколькими голосами, русский и ещё 50+ языков
AssemblyAI Universal-2 — AssemblyAI0,28 ₽ / миндо 2 ч звукапакетная расшифровка на многих языках, русский — с высокой точностью
ElevenLabs Scribe v3 — ElevenLabs0,38 ₽ / миндо 2 ч звукаточная расшифровка интервью, встреч и лекций с временем каждого слова
Soniox STT v6 — Soniox0,19 ₽ / миндо 2 ч звукафоновая расшифровка записей на 60+ языках, когда ответ может подождать
Amazon Transcribe — Amazon0,68 ₽ / миндо 2 ч звуказаписи на редких языках, включая татарский и башкирский, когда ответ может подождать
Gemini 3.5 Transcribe — Google0,56 ₽ / миндо 1 ч звукадлинные 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.

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