Deepgram là gì? Giá: 0,0043 USD/phút, giới hạn 200 USD miễn phí, hỗ trợ tiếng Nhật (phiên bản 2026)

Các điểm chính của bài viết này Deepgram có giá 0,0043 USD/phút cho Nova-3, xử lý hàng loạt âm thanh được ghi và 0,0077 USD/phút để xử lý theo thời gian thực. Bạn sẽ nhận được khoản tín dụng 200 đô la chỉ bằng cách đăng ký và bạn có thể dùng thử mà không cần đăng ký thẻ. Chúng tôi đã tóm tắt thông tin được công bố tính đến tháng 7 năm 2026, bao gồm số giờ tương đương với bậc miễn phí, bước ngoặt của Kế hoạch tăng trưởng ($4.000 mỗi năm), cách xử lý tiếng Nhật và các bước để lấy khóa API và chép lời bằng Python.

Deepgram là dịch vụ AI giọng nói của Mỹ cung cấp chức năng agent hội thoại kết nối cả STT, dịch vụ chuyển đổi lời nói thành văn bản và TTS, chuyển đổi văn bản thành giọng nói, bằng một API duy nhất. Bạn có thể sử dụng Nova-3 để ghi âm thanh với mức phí trả theo mức sử dụng là 0,0043 USD/phút và cho thời gian thực ở mức 0,0077 USD/phút.

Tôi đã tìm kiếm API nhận dạng giọng nói và mở trang định giá chính thức, nhưng tên mẫu máy, gói và đơn vị thanh toán rất khó hiểu và tôi không biết hóa đơn của mình sẽ là bao nhiêu. Hầu hết mọi người có lẽ sẽ dừng lại ở đây.

Đơn giá của Deepgram chỉ có hai con số để nhớ. 0,0043 USD/phút nếu bạn muốn xử lý bản ghi sau, 0,0077 USD/phút nếu bạn muốn phát trực tuyến ngay lập tức. Chỉ riêng điều này thôi cũng sẽ cung cấp cho bạn 90% ngân sách hàng tháng của bạn.

Ngoài ra, bạn sẽ nhận được khoản tín dụng 200 đô la chỉ khi đăng ký, vì vậy bạn có thể biết liệu mình có đang đi đúng hướng hay không trước khi chi tiêu tiền của chính mình. Đây là điều đặc biệt.

Deepgram có giá bao nhiêu và cấp độ miễn phí là bao nhiêu?

Viết ra những con số mà những người đang cân nhắc muốn kiểm tra trước trên bàn.

Nói cách khác, chi phí khoảng 0,26 USD để ghi lại biên bản cuộc họp kéo dài một giờ sau đó. Nó rẻ hơn một lon cà phê.

Thực tế là không có phí cố định hàng tháng rất hữu ích cho các giai đoạn xác minh và phát triển cá nhân. $0 cho những tháng bạn không sử dụng. Các điểm chính của thông số kỹ thuật cũng được tóm tắt trên trang công cụ Deepgram.

Deepgram là API giọng nói AI dành cho các nhà phát triển có thể phiên âm dữ liệu giọng nói với độ chính xác cao, thực hiện đọc to và xây dựng agent giọng nói. Nó hỗ trợ phiên âm các luồng âm thanh và tệp ghi âm theo thời gian thực, đồng thời các mô hình đàm thoại có thể kết hợp tính năng phát hiện ngắt giọng nói và xử lý ngắt quãng. API Voice Agent, kết hợp cộng tác Chuyển văn bản thành giọng nói, Chuyển giọng nói thành văn bản và LLM, có thể được triển khai để phản hồi cuộc gọi, phụ đề trực tiếp, phân tích cuộc hội thoại và hỗ trợ tổng đài viên. Thích hợp cho các nhóm phát triển và công ty muốn kết hợp chức năng giọng nói vào sản phẩm của họ với độ trễ thấp.

Deepgram là một API cho phép bạn “nghe, nói và trò chuyện”

Deepgram là một công ty AI về giọng nói được thành lập vào năm 2015 và có trụ sở tại San Francisco. Không giống như các dịch vụ sao chép chuyên dụng, API của chúng tôi có phạm vi bao phủ rộng.

Vai trò được chia thành ba phần.

• STT (giọng nói → văn bản): Nova-3 / Nova-2. Phiên âm và nhận dạng thời gian thực
• TTS (văn bản → âm thanh): Aura-2. Tạo đọc và tường thuật
• API agent giọng nói: agent đàm thoại kết nối nghe và nói

STT là viết tắt của "speech-to-text" và là cơ chế chuyển đổi âm thanh thành văn bản. TTS làm ngược lại, biến văn bản thành lời nói.

Nếu bạn kết hợp hai điều này ở các công ty khác nhau, sự chậm trễ trong phản hồi sẽ tích tụ ở cả hai bên và cuộc trò chuyện sẽ có xu hướng không tự nhiên. Với Deepgram, bạn có thể thanh toán cả hai bằng cùng một tài khoản và cùng một hệ thống thanh toán. Một điểm thực sự hữu ích.

Kể từ đầu năm 2026, một mô hình mới dành cho agent thoại, Flux, đã được thêm vào và phạm vi hỗ trợ cho Nova-3, các chức năng đa ngôn ngữ và phiên bản tự lưu trữ trên máy chủ của chúng tôi đã tiếp tục được cập nhật. Đây là một năm mà chúng tôi chuyển trọng tâm từ chỉ là người ghi âm sang tập trung hơn vào cơ sở hạ tầng âm thanh.

Nếu bạn muốn xem xét toàn bộ sự phân bổ sức mạnh của AI giọng nói trước tiên, hãy mở bảng xếp hạng các công cụ giọng nói AI rồi quay lại phần đó để bạn có thể nhanh chóng hiểu được những so sánh trong nửa sau.

Lý do cho sự lựa chọn này cuối cùng là độ trễ.

Khả năng nhận dạng thời gian thực của Nova-3 về danh nghĩa là dưới 300ms. 0,3 giây. Đó là ngay trước khi mọi người bắt đầu cảm thấy có khoảng cách về thời gian.

Hỗ trợ phản hồi của trung tâm cuộc gọi, phụ đề phát trực tiếp và trợ lý giọng nói. Trong loại ứng dụng này, 0,3 giây này quyết định chất lượng của trải nghiệm thay vì độ chính xác cao hơn vài phần trăm.

Ngược lại, nếu bạn không cần thời gian thực thì lý do chọn Deepgram giảm đi một nửa. Đây là một nơi trung thực.

Tôi cũng muốn đọc nó

TypingMind là gì? Giá và các tùy chọn lựa chọn bắt đầu từ $39 (phiên bản 2026)

TypingMind là màn hình trò chuyện một lần, nơi bạn có thể sử dụng nhiều AI bằng khóa API của riêng mình. Chúng tôi đã sắp xếp các nội dung của Tiêu chuẩn $39, Mở rộng $79 và Cao cấp $99, phiên bản Nhóm bắt đầu từ $83 mỗi tháng, nơi lưu dữ liệu và mức độ bạn có thể sử dụng miễn phí bằng cách sử dụng thông tin chính thức kể từ tháng 8 năm 2026.

Ngày 7 tháng 8 năm 2026

14 bài toán và giải pháp triển khai AI trong các công ty xây dựng và ngành xây dựng

Phải mất nửa ngày để tạo ước tính và bạn có thể thu thập 20 báo cáo hàng ngày. Chúng tôi đã sắp xếp 14 vấn đề gặp phải khi giới thiệu AI trong ngành xây dựng dưới dạng Hỏi đáp. Hầu hết các nguyên nhân không nằm ở hiệu suất của AI mà nằm ở cách nó được phân phối. Nó bao gồm bản tóm tắt chi tiết về báo cáo hàng ngày, cách bắt đầu sau một tuần, chi phí khoảng 3.000 yên Nhật mỗi tháng và những điểm cần lưu ý về trợ cấp.

Ngày 7 tháng 8 năm 2026

Cách duy nhất để đọc giá là nhân ba trục.

Lý do khiến bảng giá của Deepgram trông phức tạp là vì có nhiều trục quyết định đơn giá. Nếu bạn chia nhỏ nó ra thì đó là phép nhân đơn giản.

Số tiền thanh toán là ``đơn giá x số phút sử dụng''. Chỉ TTS tính ký tự chứ không tính phân số. Có ba trục mà đơn giá thay đổi:

1. Model: Nova-3 (mới nhất) hoặc Nova-2 (cũ/hiện tại)
2. Phương pháp xử lý: Bạn muốn ném tất cả dữ liệu đã ghi cùng một lúc hay truyền phát dữ liệu theo thời gian thực?
3. Gói: Trả theo mức sử dụng (bắt đầu từ $0) hoặc Tăng trưởng (giảm giá cho cam kết hàng năm)

Sự kết hợp này xác định đơn giá. Nếu bạn sắp xếp các giá trị đại diện, nó sẽ trông như thế này.

Nói cách khác, ngay cả với cùng một chiếc Nova-3, đơn giá sẽ xấp xỉ 1,8 lần ngay khi nó trở thành thời gian thực. Đây là bước ngoặt lớn nhất.

Một cái bẫy dễ bị bỏ qua: Nếu bạn chỉ tạo ra thứ gì đó trong thời gian thực, hóa đơn của bạn sẽ cao gần gấp đôi so với dự kiến. Nếu bạn không muốn người dùng nhìn thấy kết quả sau vài giây thì ghi hàng loạt cũng được. Chi phí hàng tháng sẽ khác nhau tùy thuộc vào việc bạn có đưa ra quyết định này hay không trước khi triển khai.

Các chức năng bổ sung như nhận dạng người nói (Nhật ký người nói), xác định cảm xúc, trích xuất chủ đề và tóm tắt sẽ được thêm vào phí phiên âm theo đơn giá bổ sung. Nếu bạn dự định tạo công cụ biên bản họp thay vì công cụ của riêng mình, vui lòng đưa chi phí bổ sung này vào ước tính của bạn.

Tôi có thể sử dụng khoản tín dụng miễn phí 200 USD của mình trong bao nhiêu giờ?

Chỉ nhìn vào mức giá 200 USD thực sự không có ý nghĩa gì. Hãy chia nó cho đơn giá.

Nói cách khác, chỉ việc sao chép các bản ghi âm đã mất 775 giờ trong một năm. Ngay cả khi bạn điều hành tất cả các cuộc họp kéo dài hai giờ mỗi ngày, bạn cũng sẽ không thể sử dụng hết thời gian.

Có hai điều cần lưu ý ở đây. Một là thời hạn. Khoản tín dụng này sẽ hết hạn một năm sau khi đăng ký. Một điều nữa là không có cấp độ miễn phí nào được đặt lại hàng tháng. Khi bạn đã chi 200 đô la, bạn sẽ cần phải đăng ký phương thức thanh toán.

Thiết kế không cho phép "hoạt động vĩnh viễn với gói miễn phí". Tuy nhiên, số lượng này đủ để hoàn thành việc xác minh và tạo nguyên mẫu ở quy mô nhỏ. Bạn có thể đánh giá một cách trung thực ở đây.

Trong các bài bình luận của bên thứ ba, một số viết 200 USD là "khoảng 26.000 phút", v.v. viết "khoảng 46.000 phút", nhưng đây là sự khác biệt ở chỗ nó được chia cho đơn giá ghi lại hay đơn giá theo thời gian thực. Việc chia lại đơn giá dựa trên mức sử dụng của bạn là an toàn.

Đâu là bước ngoặt để chuyển sang kế hoạch Tăng trưởng?

Tăng trưởng là kế hoạch giảm đơn giá bằng cách cam kết mức sử dụng hàng năm. Dòng tối thiểu là $ 4,000 mỗi năm.

Đổi lại, mô hình ngôn ngữ đơn của Nova-3 giảm xuống còn 0,0065 USD/phút theo thời gian thực. Giảm 16-20% so với 0,0077 USD/phút đối với Trả theo mức sử dụng. Ngoài ra, giới hạn trên về số lượng kết nối REST/WebSocket đồng thời cũng sẽ tăng lên.

Vậy chúng ta có thể lấy tiền từ đâu? Chia 4.000 USD cho 0,0077 USD/phút, tương đương khoảng 520.000 phút = khoảng 8.600 giờ.

Nếu bạn phát trực tuyến hơn 700 giờ một tháng trong thời gian thực thì điều đó đáng để xem xét. Nếu ít hơn thế, Pay As You Go là lựa chọn của bạn. Thiếu dung lượng chỉ là lý do để chuyển đổi nếu bạn bị kẹt ở giới hạn kết nối đồng thời.

Quy mô của hợp đồng doanh nghiệp cũng rất hữu ích. Nhìn vào các dịch vụ thu thập dữ liệu mua sắm, số tiền hợp đồng trung bình hàng năm cho Deepgram là 41.692 USD, dao động từ 15.000 USD đến 100.000 USD (dựa trên 40 hợp đồng). Giá trung bình khoảng 40.000 USD/năm.

Bạn có thể sử dụng tiếng Nhật tốt đến mức nào?

Deepgram hỗ trợ STT/TTS của Nhật Bản. Tuy nhiên, có một điều bạn nên biết về giá cả.

Các mẫu đa ngôn ngữ trong đó có tiếng Nhật có giá cao hơn từ 10 đến 20% so với các mẫu chỉ có một ngôn ngữ như tiếng Anh. Đơn giá chiết khấu là 0,0065 USD/phút cho gói Tăng trưởng cũng là một con số cho mô hình một ngôn ngữ. Khi ước tính bằng tiếng Nhật, vui lòng cộng thêm số tiền này trước khi tính toán.

Về độ chính xác, tốt nhất không nên cho rằng các tiêu chuẩn tiếng Anh được công bố áp dụng trực tiếp cho tiếng Nhật. Ngôn ngữ Nhật Bản dễ dàng bị chia nhỏ bởi các danh từ riêng, cách diễn đạt kính ngữ và từ đồng âm, và càng sử dụng nhiều thuật ngữ chuyên ngành trong cuộc họp thì sự khác biệt sẽ càng dễ nhận thấy.

Đó chính xác là mục đích của khoản tín dụng 200 đô la. Cách nhanh nhất để đưa ra quyết định là phát âm thanh của công ty bạn trong 10 phút và đếm trực quan tỷ lệ lỗi từ.

Nếu mục tiêu của bạn là ghi lại biên bản cuộc họp bằng tiếng Nhật và bạn không muốn viết API thì một sản phẩm hoàn chỉnh như Notta được sản xuất tại Nhật Bản sẽ nhanh hơn. Deepgram là công cụ dành cho những người muốn kết hợp nhận dạng giọng nói vào sản phẩm của họ.

Từ lấy khóa API đến sao chép bằng Python

Điểm bắt đầu triển khai ngắn một cách đáng ngạc nhiên. Có 4 bước.

1. Tạo tài khoản miễn phí trên bảng điều khiển Deepgram (không cần thẻ)
2. Cấp khóa API trên trang tổng quan và đặt nó vào biến môi trường dưới dạng DEEPGRAM_API_KEY
3. Cài đặt SDK chính thức (pip install deepgram-sdk)
4. Ném URL tệp âm thanh hoặc tệp cục bộ

Không viết khóa API trực tiếp vào mã của bạn. Ngay sau khi nó được liệt kê trên Git, người khác có thể sử dụng hết tín dụng của bạn. Về cơ bản, nó nên được đặt trong một biến môi trường hoặc dịch vụ quản lý thông tin bí mật.

Đây là cấu hình tối thiểu để đăng file ghi âm.

import os
from deepgram import DeepgramClient, PrerecordedOptions

dg = DeepgramClient(os.environ["DEEPGRAM_API_KEY"])

options = PrerecordedOptions(
    model="nova-3",
    language="ja",
    smart_format=True,   # 句読点と改行を整える
    diarize=True,        # 話者を分ける（アドオン課金）
)

res = dg.listen.prerecorded.v("1").transcribe_url(
    {"url": "https://example.com/meeting.mp3"},
    options,
)
print(res.results.channels[0].alternatives[0].transcript)

Nếu bạn bao gồm smart_format, nó sẽ trở thành tiếng Nhật có thể đọc được. Mặt khác, việc ghi nhật ký sẽ tốn tiền nên nếu bạn không cần tách loa, hãy tháo nó ra.

Quá trình xử lý thời gian thực kết nối với WebSocket và tiếp tục gửi các đoạn âm thanh trong khi nhận được kết quả trung gian. Mặc dù số lượng thực hiện tăng nhưng đơn giá cũng gấp 1,8 lần. Sẽ an toàn khi xây dựng nguyên mẫu theo từng đợt và chỉ tiếp tục khi bạn biết mình thực sự cần thời gian thực.

Tóm tắt cho đến nay: Đơn giá là 0,0043 USD/phút cho ghi âm và 0,0077 USD/phút cho thời gian thực. Khoản tín dụng 200 USD sẽ hết hạn sau một năm và không có bậc miễn phí hàng tháng. Tăng trưởng bắt đầu ở mức 4.000 USD mỗi năm. Tiếng Nhật được coi là mô hình đa ngôn ngữ và đắt hơn 10-20%. Từ đây bạn có thể đưa ra ước tính. Phần còn lại là vấn đề lựa chọn từ các công ty khác.

Lựa chọn giữa các công cụ AssemblyAI, Whisper và gia đình

Mặc dù cùng một "âm thanh thành văn bản" nhưng nó phù hợp với các tình huống khác nhau.

Nói cách khác, chỉ có hai trục quyết định. Liệu bạn có cần thời gian thực hay không và liệu bạn có sẵn sàng có máy chủ của riêng mình hay không.

Nếu bạn cần thời gian thực, Deepgram là lựa chọn tốt nhất của bạn. Nếu bạn có một quy mô cần hàng nghìn giờ mỗi tháng chỉ để xử lý hàng loạt thì việc tự chạy Whisper có thể sẽ rẻ hơn. Tuy nhiên, bạn phải chịu trách nhiệm về chi phí của các phiên bản GPU và rắc rối khi xử lý lỗi.

Nếu bạn muốn tập trung vào phân tích bổ sung về âm thanh (cảm xúc, chủ đề, tóm tắt), bạn nên so sánh nó song song với AssemblyAI. Deepgram cũng có tính năng Audio Intelligence tương tự nhưng không phải là tính năng marquee.

Nếu bạn muốn xem nhiều ứng viên cùng một lúc, bạn có thể tìm thấy danh sách trong bài viết so sánh công cụ giọng nói AI của chúng tôi.

AssemblyAI là nền tảng nhận dạng giọng nói AI giúp chuyển đổi dữ liệu âm thanh, video thành văn bản với độ chính xác cao thông qua API và hỗ trợ hiểu nội dung hội thoại. Ngoài việc sao chép các tập tin ghi âm, nó còn hỗ trợ sao chép thời gian thực của âm thanh phát trực tuyến, tách loa cho từng loa và ghi thời gian. Bạn cũng có thể kết hợp các chức năng phân tích âm thanh như tóm tắt, phân tích cảm xúc, phát hiện chủ đề, trích xuất thực thể được đặt tên và giảm PII. Nó phù hợp cho các nhà phát triển và doanh nghiệp phát triển ứng dụng xử lý biên bản cuộc họp, phân tích trung tâm cuộc gọi, tạo phụ đề và dữ liệu âm thanh. Điểm mạnh của nó bao gồm khả năng ghi có thể tìm kiếm và kết nối dễ dàng với quy trình phân tích.

Những điểm yếu và cách sử dụng mà bạn nên thành thật tránh

Chỉ liệt kê những tài liệu có lợi sẽ không làm cơ sở để đánh giá. Ba điểm yếu.

1. Nó trở nên hiệu quả hơn khi số lượng tăng lên. Đơn giá có tính cạnh tranh, nhưng khi bạn làm việc trong thời gian thực hàng nghìn giờ mỗi tháng thì chi phí là không đáng kể. Ở quy mô này, đã đến lúc xem xét Tăng trưởng và tự lưu trữ.

1. Điều chỉnh là điều kiện tiên quyết. Trừ khi bạn chỉ định các từ khóa thuật ngữ ngành và chọn mô hình, bạn sẽ đạt được độ chính xác cơ bản. Đó không phải là "độ chính xác cao nhất nếu bạn ném nó."

1. Không có bậc miễn phí hàng tháng. Khi bạn đã sử dụng hết $200, bạn sẽ được yêu cầu đăng ký thanh toán. Nó không phù hợp để chạy bot sở thích luôn hoạt động với giá 0 USD.

Tôi chỉ muốn chép lại vài cuộc họp tiếng Nhật mỗi tháng cho mọi người đọc. Viết API theo cách này thực sự là một lựa chọn tồi. Công cụ phút hoàn thành có tổng chi phí thấp hơn.

Đánh giá biên tập

Đây là đánh giá trung thực dựa trên thông tin công khai và nghiên cứu của bên thứ ba.

Những điểm có thể đánh giá được Thiết kế lối vào có giá 200 USD và không cần thẻ tín dụng, cực kỳ thân thiện. Đơn giá ghi âm là 0,0043 USD/phút và khả năng bao gồm STT, TTS và agent hội thoại bằng một tài khoản đều hữu ích từ quan điểm của người tạo sản phẩm giọng nói. Giới hạn thấp hơn của mức tăng trưởng là 4.000 USD mỗi năm cũng giúp doanh nghiệp có thể đạt được mức giảm giá mà không cần đàm phán.

Một điểm hấp dẫn. Việc tiếng Nhật được coi là mô hình đa ngôn ngữ và đắt hơn từ 10% đến 20% là một điểm đau thực sự đối với các nhà phát triển Nhật Bản. Vì không có bậc miễn phí hàng tháng nên việc chạy nó liên tục miễn phí không phải là một lựa chọn ngay từ đầu.

Phần kết luận. Nếu bạn muốn kết hợp tính năng nhận dạng giọng nói theo thời gian thực vào sản phẩm của mình thì đó là một lựa chọn tốt. Nếu mục tiêu duy nhất của bạn là xử lý hàng loạt các bản ghi, hãy nhớ tính toán song song với tính năng tự lưu trữ của Whisper. Chi phí của quyết định là 0$. Trước tiên, bạn có thể gửi âm thanh của công ty mình trong 10 phút để nhận khoản tín dụng 200 đô la và đó sẽ là cách trả lời nhanh nhất.

Mô hình nhận dạng giọng nói do OpenAI phát triển có thể phiên âm các tệp âm thanh và biên bản cuộc họp với độ chính xác cao, đồng thời có thể được sử dụng để nhận dạng và dịch giọng nói đa ngôn ngữ.

Các câu hỏi thường gặp (FAQ)

Hỏi. Tôi có thể sử dụng Deepgram miễn phí không?

Bạn sẽ nhận được khoản tín dụng 200 USD khi đăng ký và bạn có thể sử dụng nó mà không cần đăng ký thẻ tín dụng. Tuy nhiên, ngày hết hạn là một năm kể từ khi đăng ký và không có cấp độ miễn phí nào được đặt lại hàng tháng. Sau khi sử dụng hết, bạn sẽ cần phải đăng ký phương thức thanh toán của mình.

Q. Chi phí để ghi lại 1 giờ âm thanh là bao nhiêu?

Một lô ghi Nova-3 có giá khoảng 0,26 USD (0,0043 USD x 60 phút). Để xử lý theo thời gian thực, chi phí khoảng 0,46 USD. Các tiện ích bổ sung như nhận dạng người nói được bổ sung.

Q. Tiếng Nhật chính xác đến mức nào?

Các benchmark được công bố chủ yếu bằng tiếng Anh nên việc áp dụng các con số tiếng Nhật như vậy sẽ rất nguy hiểm. Danh từ riêng và thuật ngữ ngành có thể tạo nên sự khác biệt, vì vậy hãy thử giọng nói của chính bạn để nhận được khoản tín dụng 200 đô la. Tiếng Nhật được coi là mô hình đa ngôn ngữ, đơn giá cao hơn 10-20%.

H. Khi nào tôi nên chuyển sang kế hoạch Tăng trưởng?

Cam kết tối thiểu là 4.000 USD mỗi năm. Chia cho đơn giá 0,0077 USD/phút thì có khoảng 8.600 giờ. Sẽ đáng cân nhắc nếu bạn dành hơn 700 giờ mỗi tháng để xử lý theo thời gian thực. Nếu bạn bị mắc kẹt với số lượng kết nối đồng thời tối đa, đây cũng có thể là lý do để di chuyển ngay cả khi bạn không có đủ dung lượng.

Q. Cái nào rẻ hơn việc tự mình chạy Whisper?

Deepgram có giá rẻ cho quy mô vừa và nhỏ. Điều này là do chi phí và nỗ lực vận hành của GPU là không đáng. Việc tăng lên hàng nghìn giờ xử lý hàng loạt mỗi tháng có thể đảo ngược quá trình tự lưu trữ của Whisper. Nếu thời gian thực là quan trọng thì Deepgram có lợi.

Đọc cái này lần sau

Nếu bạn muốn có cái nhìn rộng hơn về các ứng cử viên nhận dạng giọng nói trước khi đưa ra quyết định, hãy đọc phần so sánh công cụ giọng nói AI của chúng tôi năm 2026. Trong nước/ở nước ngoài/API và các sản phẩm hoàn chỉnh được xếp cạnh nhau, vì vậy bạn có thể nhanh chóng quyết định xem mình có nên viết API ngay từ đầu hay không. Thông tin về từng công cụ được tóm tắt trên trang Deepgram.

Trang web chính thức của từng công cụ (thông tin chính)

Giá cả, chức năng và phạm vi hỗ trợ là thông tin chính được cung cấp bởi trang web chính thức của mỗi công ty. Bài viết này dựa trên xác minh tại thời điểm xuất bản, nhưng hãy nhớ kiểm tra từng trang chính thức để biết các điều kiện chính xác và mới nhất.

• Deepgram — Trang web chính thức (xem chi tiết)
• AssemblyAI — Trang web chính thức (xem chi tiết)
• Whisper — Trang web chính thức (xem chi tiết)

Bài viết liên quan

• 9 công cụ thay thế Cue AI: Phiên bản 2026 để lựa chọn miễn phí, tiếng Nhật và nguồn mở
• 9 công cụ thay thế Submagic | So sánh miễn phí, hỗ trợ của Nhật Bản và nguồn mở (Phiên bản 2026)
• 7 lựa chọn thay thế AI nên đọc được đề xuất — Chọn từ Miễn phí, Tiếng Nhật và Nguồn mở (Phiên bản 2026)
• Giá của Talkie AI và cách sử dụng 50 bức tường văn bản miễn phí và phán quyết 9,99 USD/tháng (Phiên bản 2026)
• So sánh giá Hunyuan 3D từ miễn phí đến trả tiền, 3 lối vào (phiên bản 2026)