用途:用 Deepgram REST API 构建生产级预录音频转写服务,适用于音频转写、批处理、说话人分离与音频智能分析。
主要能力:支持 transcribeUrl 与 transcribeFile 两种转写方式;可选模型 nova-3、nova-2、nova-2-meeting、nova-2-phonecall、base;支持 diarize 说话人分离、utterances、paragraphs、smart_format;音频智能包括 summarize、detect_topics、sentiment、intents;支持 keywords 关键词加权(如 "Kubernetes:1.5");支持 callback 回调异步转写大文件;批处理用 p-limit 控制并发。
使用方式:需安装 @deepgram/sdk 并配置 DEEPGRAM_API_KEY;音频格式支持 WAV、MP3、FLAC、OGG、M4A、WebM;批处理需 npm install p-limit。示例中定义 DeepgramTranscriber 类封装转写,formatResult 提取 transcript、confidence、词级时间戳、说话人、摘要、主题、情感、意图与 metadata;batchTranscribe 用 pLimit 控制并发;submitAsync 提交回调 URL 后由 Deepgram POST 结果,失败重试最多 10 次、间隔 30 秒。
适用场景:批量音频转写、会议与电话录音分析、需要说话人区分或摘要/主题/情感/意图的音频处理。
限制与错误处理:400 检查音频格式;413 文件过大改用回调;空转写检查音量或 alternatives: 3;408 超时改用回调;低置信度可用 ffmpeg 预处理降噪。教程中应使用合成或授权音频,勿用客户录音,日志避免记录原始转写文本。实时流式转写见 deepgram-core-workflow-b。