deepgram/deepgram-python-sdk

What it solves

这个 SDK 提供统一的 Python 接口，让开发者能够访问 Deepgram 的 AI 模型，用于语音转文字、文字转语音和语言理解。它简化了在应用程序中集成高性能音频 AI 的流程，处理 API 请求、实时流式的 WebSocket 连接以及认证等复杂工作。

How it works

SDK 同时提供同步和异步客户端（DeepgramClient 与 AsyncDeepgramClient）以与 Deepgram 的 API 交互。支持以下功能：

• Speech-to-Text (Listen)： 转录预先录制的文件或通过 WebSocket 流式实时音频以进行实时识别。
• Text-to-Speech (Speak)： 从文本字符串生成自然音质的语音。
• Text Intelligence (Read)： 分析文本的情感、主题、意图与摘要。
• Conversational AI (Agent)： 编排完整的语音代理循环（聆听、通过 GPT-4o-mini 等 LLM 思考、以及说话）。

Who it’s for

适合开发需要语音功能的应用程序、实时转录服务、AI 语音代理，或是需要自动分析口语内容文字的工具的开发者。

Highlights

• Real-time Streaming： 内建 WebSocket 支持，提供低延迟的语音识别与语音代理。
• Agentic Workflow： 能够配置完整的语音代理，并自定义聆听、思考与说话的提供者。
• Flexible Transport： 支持自定义传输层，包括专用的 SageMaker 传输，用于在 AWS 端点上运行模型。
• Async Support： 完整的 async/await 实现，支持非阻塞 I/O 操作。
• Robust Error Handling： 详细的 ApiError 异常与具指数退避的自动重试机制。