10 月 29 日，Deepgram 在自己的第一场大会 Deepgram Speak 上宣布收购 Daily，也就是 Pipecat 的东家。Pipecat 保持 BSD-2 开源，另外成立独立基金会；Deepgram 则把 Daily 的实时网络、自家语音模型和 Pipecat 的编排层拼成了一个「Voice Agent Platform」。
这家公司在中文圈名气不大，但你用过的语音 Agent 大概率从它身上过了一遍：Decagon、Sierra、Vapi、Granola 的转写层都在它家。1 月 C 轮的新闻稿写的是 1,300 家组织在用，10 月的稿子已经改成 5,000 家，开发者 20 万。
它是什么：一条链路，四段拆开卖
Deepgram 起家是 STT，现在卖四样东西：
- Nova-3：流式转写主力，50 多种语言，中文的 zh、zh-CN、zh-Hans、zh-TW、zh-HK 都在列。
- Flux：给语音 Agent 专门做的对话式 STT，模型自己判断「这句说完了」，不用外挂 VAD 断句。代价是只有十个语种：英、西、法、德、印地、俄、葡、日、意、荷。
- Aura-2 / Flux TTS：把回复念出来，按千字符计费。
- Voice Agent API：一条 WebSocket 把上面三段串起来，你只发音频、只收音频，也能只换其中一段（自带 LLM、自带 TTS）。再往前还有一个 Saga，官方叫它 Voice OS。
它解决的不是「模型准不准」，是「一轮对话多久接得上」。官方文档给的目标是端到端 500–700ms，每一段压到 50–100ms，全靠流式：转写还没出完整句子就先送 LLM，LLM 吐出前几个词就先送 TTS。这三段拼起来不难，拼到不卡才难，它卖的就是这个。
Flux 的卖点其实就一个：打断。人说话会插嘴，传统 STT 只给你一串字，判断「说完了没有」是应用层的事；Flux 把这个判断塞进模型，再配 EagerEndOfTurn 提前起跑，首字延迟才敢往几百毫秒里压。
钱怎么算
官网 11 月 3 日的价目：流式 STT 英文 $0.0077/分钟，Nova-3 多语 $0.0092；预录 $0.0043。TTS 的 Aura-2 是 $0.030/千字符。Voice Agent API $0.075/分钟，也就是 $4.50 一小时，自带 TTS 降到 $0.065。
注册送 $200，不用信用卡，按 Nova-3 算大约 43,000 分钟。PAYG 单项目 45 路并发，企业版从 100 路起。
上手：两条路
最小验证是转写，一条 curl：
curl -X POST "https://api.deepgram.com/v1/listen?model=nova-3&language=zh-CN&smart_format=true&punctuate=true"
-H "Authorization: Token $DEEPGRAM_API_KEY"
-H "Content-Type: audio/wav"
--data-binary @test.wav
要整条语音 Agent，就连 wss://agent.deepgram.com/v1/agent/converse：先发一条 Settings 把 stt、llm、tts 三段配好，再往里灌音频，事件里收转写和音频帧。
想自己编排就走 Pipecat：pipecat init quickstart 拉模板，把 DEEPGRAM_API_KEY 填进 .env，uv run bot.py，浏览器打开 7860 就能对着说话。区别很直接——上面那条是租它的流水线，这条是流水线在你手里，Deepgram 只负责听和说。
实话
第一，Flux 没有中文。 这是中文项目最容易踩的坑：想要它模型自带的断句能力，得等；现在只能退回 Nova-3，VAD 和断句自己补。参数里写 language=zh-CN 走的是 Nova-3，不是 Flux。
第二，$4.50 一小时不是全部成本。 它含的是托管的小模型，换成 GPT、Claude 要另贴 token 钱；自带 TTS 省下 $0.01/分钟，但 Cartesia、ElevenLabs 的钱照付。一通 3 分钟的电话，落地价大概 $0.22 起。
第三，自托管只给 Enterprise。 Kubernetes 部署要谈合同，权重不对外，别指望像 Whisper 那样在自己机器上跑。
第四，收购之后 Pipecat 会不会变味。 官方给的是 BSD-2 加独立基金会，短期不会；但商业方向一定往自家云上引。要完全自主，Pipecat 加本地模型还是那条路。
第五，国内访问没有中国区端点。 最近的在新加坡，APAC 总部也设在那儿，跨境 RTT 是硬伤；电话线路还得自己接 Twilio、Telnyx 或者 SIP 中继。
结语
Deepgram 的位置挺怪：既不是 Vapi 那种「帮你把 Agent 搭好」的平台，也不是纯模型 API。它卖的是中间那层——把听、想、说焊在一条连接上，再让你把任意一段换掉。要最快跑通，Vapi 更省事；要自己控制每一段，Pipecat 加 Deepgram 是现在最完整的一栈，想要更轻的开源替代可以看 LiveKit Agents 和 Dograh。
