Speech Recognition Oppgjør — 21. juni 2026

1

Deepgram

Tale‑til‑tekst og tekst‑til‑tale‑APIer for å bygge sanntids stemmeapplikasjoner.

4.6 (5)

Freemium

Full anmeldelse

Deepgram er en stemme‑AI‑plattform som gir utviklere API‑er for transkribering av lyd og generering av naturlig‑lydende tale. Modellene deres er designet for lav latens og høy nøyaktighet på tvers av et bredt spekter av språk, aksenter og lydforhold, noe som gjør den egnet for live‑teksting, samtaleanalyse, stemmeassistenter og konversasjonsagenter. Utover kjerne‑transkripsjon tilbyr Deepgram funksjoner som speaker diarization, sentiment og topic detection, custom model training og streaming support. Plattformen retter seg mot ingeniørteam som trenger å integrere talefunksjoner i produkter uten å bygge taleinfrastruktur fra bunnen av.

• Sanntids streaming tale‑til‑tekst
• Nevrale tekst‑til‑tale‑stemmer
• Talergjenkjenning og tidsstempler på ordnivå
• Finjustering av egendefinerte modeller
• Lydintelligens (sentiment, temaer, oppsummering)
• REST‑ og WebSocket‑APIer med flerspråklige SDK‑er

2

OpenAI Advanced Voice

Sanntid, naturlige stemmebaserte samtaler med ChatGPT

4.7 (6)

Freemium

Full anmeldelse

OpenAI Advanced Voice er en stemmeinteraksjonsmodus som er innebygd i ChatGPT og lar brukere snakke med AI på en naturlig, flytende måte. Den støtter lav‑latensutvekslinger, avbrudd og uttrykksfulle svar, og gjør samtaler mer likt å snakke med en person enn å gi kommandoer til en assistent. Funksjonen er designet for handsfree-bruk på mobil og desktop, og støtter oppgaver som idémyldring, språkpraksis, veiledning og uformell chat. Den kan tilpasse tone, gjenkjenne følelsesmessige signaler i tale og svare i flere stemmer og språk, alt drevet av OpenAI sine underliggende multimodale modeller.

• Sanntid muntlig dialog
• Flere valgbar AI‑stemmer
• Håndtering av avbrytelser og tur‑og‑tur‑skifte
• Emosjonell og tonal bevissthet
• Støtte for flerspråklige samtaler
• Integrert i ChatGPT‑appen