deepgram/deepgram-python-sdk

Official Python SDK for Deepgram.

What it solves

この SDK は統一された Python インターフェースを提供し、Deepgram の AI モデル（音声からテキスト、テキストから音声、言語理解）にアクセスできます。高性能なオーディオ AI をアプリケーションに統合するプロセスを簡素化し、API リクエスト、リアルタイムストリーミング用 WebSocket 接続、認証の複雑さを処理します。

How it works

SDK は同期クライアントと非同期クライアント（DeepgramClient と AsyncDeepgramClient）の両方を提供し、Deepgram の API とやり取りします。主な機能は次のとおりです：

  • Speech-to-Text (Listen)： 事前録音ファイルの文字起こしや、WebSocket を介したライブ音声のリアルタイム認識。
  • Text-to-Speech (Speak)： テキスト文字列から自然な音声を生成。
  • Text Intelligence (Read)： テキストの感情、トピック、インテント、要約を分析。
  • Conversational AI (Agent)： 完全な音声エージェントループ（リスニング、GPT-4o-mini などの LLM による思考、スピーキング）をオーケストレーション。

Who it’s for

音声対応アプリケーション、リアルタイム文字起こしサービス、AI 音声エージェント、または音声コンテンツの自動テキスト分析が必要なツールを構築する開発者向けです。

Highlights

  • Real-time Streaming： 低遅延の音声認識と音声エージェントのための組み込み WebSocket サポート。
  • Agentic Workflow： リスニング、思考、スピーキングのカスタムプロバイダーで完全な音声エージェントを構成可能。
  • Flexible Transport： カスタムトランスポートをサポートし、AWS エンドポイント上でモデルを実行する専用 SageMaker トランスポートも利用可能。
  • Async Support： 非ブロッキング I/O 操作のための完全な async/await 実装。
  • Robust Error Handling： 詳細な ApiError 例外と指数バックオフによる自動リトライ機能。