用途:用 Deepgram WebSocket API 实现实时流式语音转写,适用于实时字幕、语音界面和语音 AI 等场景。
主要能力:通过 @deepgram/sdk 的 listen.live() 建立连接,支持临时结果(interim_results)与最终结果、smart_format、punctuate、VAD 事件、UtteranceEnd 静音检测、流式说话人分离(diarize)、指数退避加抖动的自动重连、长会话 KeepAlive,以及为浏览器客户端提供 SSE 端点。
使用方式:需安装 @deepgram/sdk 并配置 DEEPGRAM_API_KEY;音频来源可为麦克风(需安装 sox,apt install sox / brew install sox)、文件流或浏览器 WebSocket 音频。示例以 nova-3 模型、linear16 编码、16000 采样率、单声道建立连接,通过 connection.send(chunk) 发送原始 PCM,监听 Open、Close、Error、Transcript、UtteranceEnd 事件;麦克风用 rec 命令采集;结束调用 connection.finish()。
限制与注意:Deepgram 约 10 秒无音频会关闭空闲连接,需每 8 秒发送 connection.keepAlive();采样率不匹配会导致输出乱码;API 密钥无效或编码参数错误会导致连接立即关闭;rec 命令缺失需安装 sox。资料未提供收费、价格与平台信息。