Deepgram

הסקירה

שולחים קובץ קול או פותחים ערוץ שמע חי מול השרתים של Deepgram, והטקסט חוזר תוך שניות. החברה מציעה תשתית שממירה דיבור לטקסט, מקריאה טקסט בקול אנושי ומנתחת שיחות. המודל העדכני שלהם לזיהוי קולי נקרא Flux STT, ובמקביל הם השיקו את Flux TTS שמייצר דיבור חי. המטרה כאן ברורה לגמרי. הם בונים תשתית לסוכני קול אוטונומיים שיכולים לנהל שיחה אמיתית, כזו שכוללת כניסה זה לדברי זה ושמירה על רצף הדיאלוג. הכל מבוסס על ממשקי פיתוח ישירים. אם חיפשתם אפליקציה עם כפתור הקלטה גרפי, הגעתם למקום הלא נכון.

זה כלי שמיועד למפתחים בלבד, לא למשתמשי קצה שמחפשים תמלול לפגישות.

זמני תגובה ואיך זה עובד

היתרון המרכזי שמוצג באתר הוא מהירות עיבוד חריגה. החברה טוענת להספק של תמלול שעה שלמה של אודיו מוקלט בתוך 12 שניות בלבד, לצד זמני תגובה של 80 מילישניות במודל הדיבור. נתונים כאלה משמעותיים מאוד כשאתם מנסים לבנות בוט טלפוני שלא גורם לצד השני להמתין בדממה מביכה. המודלים יודעים להתמודד עם קטיעת שיחה, הבנת תורות דיבור ושמירה על הטון וההקשר לאורך כל השיחה. בנוסף, יש להם מודלים של בינה עסקית קולית שמחלצים תובנות, מגלים נושאים מרכזיים ומנתחים את הסנטימנט של הלקוח. הטכנולוגיה עובדת גם בענן וגם בהתקנה מקומית.

זה מהיר מאוד.

בצד החומרה והתשתיות, החברה מספקת גמישות נרחבת שמתאימה בעיקר לחברות גדולות. אפשר להריץ את המערכת בענן הציבורי שלהם, לחבר מופע מבודד, או להתקין את המנוע כולו בתוך חוות השרתים שלכם על גבי GCP או AWS. האפשרות הזו מיועדת לעסקים עם דרישות אבטחה מחמירות, תאימות לתקני SOC 2 ורגולציות רפואיות כמו HIPAA. מנגד, הדבר דורש צוות אנשי תשתית ייעודי שיתחזק את ההתקנות האלו בפועל. מודל הענן הפשוט אמנם חוסך את זה, אבל מפקיד את המידע בשרתים מרוחקים.

כסף, תמחור וההקשר המקומי

החומר הרשמי אינו חושף מחירון מסודר לפי דקות או מילים, אלא מציין שהשירות בתשלום ומציע הרשמה בחינם להתנסות. החברה טוענת למחירים נמוכים פי 3 עד פי 5 מהמתחרים, אבל בלי טבלה שקופה בעמודים הראשיים קשה לדעת מאיפה העלות מתחילה. הדבר היחיד שמוגדר במפורש הוא תקופת התנסות חינמית במודל Flux TTS עד ליום 12 בספטמבר, הכוללת עד 45 חיבורים מקבילים בארצות הברית ועד 5 חיבורים באירופה ובאוסטרליה. אם אתם זקוקים להיקפים גדולים, תצטרכו לפנות ישירות למכירות שלהם כדי לקבל הצעת מחיר לתוכניות הארגוניות.

• מחירון גלויאין מספרים באתר
• סביבת בדיקההרשמה חינם זמינה
• שרתים באירופהגישה מוקדמת פעילה

המחיר קופץ עם היקף השימוש.

מה שבאמת מפריע כאן הוא חוסר הבהירות לגבי שפות שאינן אנגלית. האתר כולו באנגלית, וסביבת ההדגמה למודל הדיבור החדש מציגה במפורש תמיכה באנגלית בלבד. החברה מציינת קיום מודלים למגוון שפות בלי לפרט את הרשימה המלאה. עבור צוות ישראלי, לא הייתי משתמש בזה לפרויקטים מקומיים לפני בדיקה עצמאית של תמלול ודיבור בעברית בסביבת הניסיונות. תמלול עברית נוטה להישבר על עגה מקומית, רעשי רקע של מוקדי שירות ואותיות סופיות. אם המערכת שלכם פונה לקהל אמריקאי או גלובלי, מדובר בסיפור אחר לגמרי, אך לישראל יש כאן נורת אזהרה.

לא תקבלו פה תוכנה מוכנה לשימוש משרדי.

הכלי מתאים אך ורק לחברות טכנולוגיה, צוותי פיתוח ומוקדי שירות ממוחשבים שמפתחים מוצר קולי משלהם. מותגים כמו Twilio וגופי ענק מחברים את הצינורות האלו כדי להפעיל סוכנים חכמים וניתוח שיחות בזמן אמת. אם אתם עורכי דין שרוצים תמלול מהיר לדיון, או מנהלי פרויקטים שצריכים סיכום לפגישת זום, הכלי הזה יהיה סיוט טכני עבורכם. הוא דורש אינטגרציה דרך קוד, חיבורי ענן ותחזוקת שרתים. רק אם אתם מוכנים להשקיע שעות פיתוח כדי לחסוך עשרות מילישניות בשיחה, יש טעם לפתוח פה חשבון.