Deepgram, Inc. es una empresa estadounidense especializada en inteligencia artificial aplicada a la voz. Presentada en deepgram.com, su plataforma proporciona a los desarrolladores herramientas de reconocimiento y síntesis de voz, accesibles especialmente mediante API. Ocupa un lugar en la capa de infraestructura del sector: en vez de ofrecer únicamente una aplicación destinada al gran público, permite a otros actores construir productos capaces de escuchar y hablar.
Una empresa nacida en torno al reconocimiento de voz
Fundada en 2015 por Scott Stephenson y Noah Shutty, Deepgram se desarrolló en torno a una convicción técnica: el aprendizaje profundo podía renovar la forma de convertir grabaciones de audio en texto. La empresa pasó por la aceleradora Y Combinator en 2016, antes de ampliar su oferta para desarrolladores y organizaciones que procesan grandes volúmenes de conversaciones.
Su trayectoria acompaña el desplazamiento del mercado desde la transcripción de archivos hacia el procesamiento de flujos de audio en directo. Este cambio impone nuevas exigencias: un resultado no solo debe ser utilizable, sino también llegar con suficiente rapidez para sostener un intercambio, ayudar a un agente de atención al cliente o activar una acción en un programa informático.
De la transcripción a los agentes de voz
El reconocimiento automático del habla sigue siendo un pilar de su actividad, especialmente con su familia de modelos Nova. Las funciones ofrecidas incluyen, según los modelos y las configuraciones, la puntuación, la separación de las intervenciones por hablante y la compatibilidad con varios idiomas. Los usos abarcan la transcripción de llamadas, la generación de subtítulos o el aprovechamiento de contenidos de audio. Sin embargo, la calidad obtenida depende del ruido ambiental, los acentos, el vocabulario especializado y las condiciones de grabación.
Deepgram también se ha posicionado en la síntesis de voz con Aura, destinada a transformar texto en voz. Al combinar transcripción, generación de respuestas y salida de audio, su oferta para agentes de voz busca facilitar interacciones automatizadas, por ejemplo en la relación con los clientes. Los modelos de lenguaje pueden así integrarse con los componentes de voz dentro de una misma cadena de procesamiento.
Su modelo de negocio se basa en la comercialización de estos servicios técnicos, con una facturación vinculada al uso y acuerdos adaptados a las necesidades de las empresas. Más allá de la precisión, los criterios de compra incluyen la latencia, el coste, la disponibilidad y las modalidades de despliegue.
¿Y ahora?
La difusión de los agentes conversacionales abre oportunidades para Deepgram, pero también intensifica la competencia con las grandes plataformas en la nube y otros especialistas en IA. El reto será lograr que los intercambios de voz sean fiables en situaciones menos previsibles que una demostración: interrupciones, vacilaciones, entornos ruidosos o solicitudes ambiguas.
La protección de las conversaciones y el control de los datos también influirán en las decisiones de los clientes. Para Deepgram, la perspectiva no consiste, por tanto, únicamente en mejorar la transcripción: se trata de proporcionar una infraestructura de voz cuyo rendimiento, costes e integración en sus procesos puedan controlar las empresas.