用途:在 JavaScript/TypeScript 项目中调用 Deepgram Speech-to-Text v1(/v1/listen),实现预录音频或实时音频转写,适用于本仓库相关的编写与代码审查。
主要能力:REST 方式支持 transcribeUrl 与 transcribeFile,用于处理已完成的 URL 或文件,适合批量任务、字幕生成与离线处理;WebSocket 方式通过 createConnection()/connect() 进行持续流式转写,适合实时字幕、麦克风音频、电话流以及浏览器或 Node 实时应用。
使用方式:从 @deepgram/sdk 导入 DeepgramClient,并使用 DEEPGRAM_API_KEY 初始化;必须使用 DeepgramClient 而非 DefaultDeepgramClient,后者缺少 Token 认证前缀、会话头与补丁化 WebSocket 行为。REST 示例可传 model、language、punctuate、paragraphs、utterances 等参数;WebSocket 流程为 createConnection() → 注册事件处理 → connect() → waitForOpen(),通过 sendMedia() 发送音频、sendFinalize() 刷新最终片段。
适用与限制:如需摘要、主题、意图、情感、语言检测或脱敏,应改用 deepgram-js-audio-intelligence;如需 Flux 轮次与话轮结束事件(/v2/listen),应改用 deepgram-js-conversational-stt;如需 STT+LLM+TTS 完整语音助手,应改用 deepgram-js-voice-agent。使用中注意:先 Finalize 再关闭 v1 流;空闲流需用音频或 sendKeepAlive() 保活;发送 PCM 时 encoding 与 sample_rate 必须与实际字节匹配;浏览器认证通过 WebSocket 子协议处理,与 Node 不同。
定价、平台支持与具体限制等详细事实暂未提供。