核心功能与用法
Deepgram JavaScript SDK 是官方维护的 TypeScript/JavaScript 客户端库，用于接入 Deepgram 的语音与语言 AI 服务。核心能力包括：
1. 预录语音转文本（批量处理）
支持远程 URL 或本地文件两种方式提交音频，返回完整转录 JSON，包含文本、置信度、时间戳、说话人分段等信息。推荐模型 nova-3 配合 smart_format 参数自动格式化数字、日期等内容。
2. 实时流式转录（WebSocket）
通过 WebSocket 连接实现低延迟实时语音转文字，适用于直播、会议、语音助手等场景。SDK 提供事件驱动接口（Transcript、Open 等事件），需持续推送音频字节流。
3. 辅助功能
- 自动生成 WebVTT/SRT 字幕文件
- 支持代理配置（浏览器环境调用 REST API）
- 环境变量自动读取 API 密钥
显著优点
- 官方维护：API 与文档同步更新，长期支持有保障
- TypeScript 原生：类型定义完善，IDE 提示友好
- 双模式覆盖：批量处理适合归档分析，实时流适合交互场景
- 模型丰富：Nova 系列在准确率与速度上表现优异
- 多平台：Node.js、浏览器（UMD/ESM CDN）均支持
潜在局限
- 成本敏感：按音频时长计费，高频实时场景费用累积较快
- 无内置存储：转录结果不会持久化，需自行实现存储逻辑
- 网络依赖：实时流对连接稳定性要求高，弱网环境体验下降
- 中文支持：虽支持多语言，但非英语场景准确率可能略逊于英语
适合人群
- 需要为应用集成语音转文字的开发者
- 构建实时字幕、会议记录、语音搜索等产品的团队
- 已有 Node.js/前端技术栈，追求快速集成的工程团队
常规风险
- API 密钥泄露：密钥硬编码或前端暴露可能导致滥用
- 数据隐私：音频上传至第三方云端，敏感内容需评估合规性
- 计费失控：实时流未设置超时或重连机制可能产生意外费用
- 依赖更新：SDK 版本迭代可能引入 Breaking Changes，需锁定版本
---
总体评价：企业级语音 AI 集成的首选方案之一，适合对准确率与稳定性有要求的生产环境，但需做好成本监控与数据安全管控。