DeepGram，成立于2015年，位于美國山景城；是一家基于AI技術的音頻搜索引擎公司，運用機器學習進行語音識別、搜尋重要時刻并對音頻和視頻進行分類，幫助用戶快速索引和瀏覽音頻和視頻文件，包括電話語音、會議語音、播客、視頻片段等。最近一次融資為2016年9月來自Metamorphic Ventures、Y Combinator的180萬美元的種子投資，迄今總的融資額為203萬美元。

關于語音搜索的現狀，Deepgram的創始人曾在官方博文提到 “ 當處理一個巨大的文檔語料庫時，文本搜索只能在其中嵌入不同類型的數據，這是一個容易解決的問題，但通過錄音進行搜索是非常困難的。按照傳統的工作流程，通常將原始音頻轉錄成文本再將其輸入搜索工具，如果你使用人工進行轉錄，這真的是太費時費力了！而如果您嘗試使用自動語音轉文本，那么搜索的準確性就是問題。Deepgram在這些方面都做了修正和提升！”。

那么既然語音搜索這么難，DeepGram又是如何實現的呢？據了解，Deepgram主要是基于短語的聲音搜索而不是文本中的精確拼寫，從而產生相關的結果，與其他同類的語音搜索軟件最大的不同是它可以通過不同的語境來區別不同的聲音含義。因此，即使拼寫錯誤Deepgram也可以找到它們。從使用流程上看，首先用戶將音頻文件上傳到平臺，如電話、播客、會議或視頻甚至可以使用YouTube URL；然后平臺會對語音進行“深度索引”處理，通過語音學來發聲而不是嘗試將聲音翻譯成單詞；最后當用戶輸入搜索文字時，Deepgram就可以在索引中找到相關的結果。在這過程中，Deepgram通過深度學習的訓練，實現了相比傳統方式更快、更便宜及更便捷的突破提升。準確率方面，雖比不了人工的準確率水平，但Deepgram平均80%的準確率，相比更容易出錯、20%準確率的語音轉文本的搜索方式顯然更好；響應速度方面，一旦索引，Deepgram只需要幾秒鐘就可以在其索引中找到您的搜索字詞，并直接跳轉到音頻中提及的關鍵字的時間；成本方面，公司能夠在不到一半的時間內將音頻文件編入索引，相比行業價格每小時1.5美元的服務費，Deepgram每小時75美分的音頻成本顯然有著明顯的優勢。

不同音質音頻的準確率

據悉，該公司去年已有1200多個客戶，這其中包括在線iPhone修理服務商iCracke、及其他呼叫中心、警察機構等。通過API調用服務，前期Deepgram嘗試過允許用戶每月免費索引高達40小時的音頻/視頻，后續針對企業客戶會根據其處理的信息量來進行收費。

潛在同類創業公司總融資額對比

競品方面，谷歌、微軟等大公司也在做，但通常也只能獲得90％的準確度，這還是針對非常干凈、記錄良好的語音；而對于那些有質量問題的輸入來源（例如YouTube視頻），有時錯誤率甚至超過50%以上。以谷歌為例，其Speech API訪問有免費和Beta版兩個層次，免費的每天API調用有限，音頻文件必須短并且只接受flac文件類型；Beta版本的用戶數量有限且多在Google Cloud Platform上運行，Speech API總體非常有限。Deepgram則可以適用任何長度的音頻文件及任何文件類型，且更方便快捷。創業公司而言， 基于語音識別技術大多運用于營銷環節 ，如?Chorus.ai、TalkIQ、Gong.io等通過深度學習數據分析及預測幫助銷售人員提高工作效率并提升業績。而語音搜索方便比較相近的公司則有Voicebase，2010年成立于美國加利福尼亞，是一家提供錄音存儲服務，用戶可以隨時隨地訪問、搜索、查找錄音相關內容并允許其他人分享及添加評論的初創公司。

團隊方面，Deepgram是由深物質物理研究員Noah Shutty與其導師Scott Stephenson一起創立的，早期只是一個叫“Google for sound”的項目。最初的想法是源于Shutty想要一種更好的方式來搜索自己的音頻文件，驅使他開發了基于神經網絡的人造智能引擎并開啟了Deepgram的創業之路。