Deepgram Nova-3 語音轉文字介紹：高速繁中轉錄與說話者辨識
探索 Deepgram Nova-3 的核心特色、繁體中文代碼（zh-TW）、說話者辨識（diarization）、Keyterm Prompting 與官方 API 測試，並了解如何搭配 Scribis 進行語音工作流。
如果你正在尋找速度快、支援中文且能處理多人對話的 Cloud ASR，Deepgram Nova-3 是值得列入測試清單的服務。Deepgram 官方將 Nova-3 定位為高效能的一般用途語音辨識模型，支援預錄音訊與即時串流，並提供 Smart Formatting、Keyterm Prompting、Entity Detection 和 Speaker Diarization 等功能。
本篇會介紹 Deepgram Nova-3 的特色、適合的使用情境、API 測試方法和費用，並說明如何把 Scribis 放進完整的錄音工作流程。
Deepgram Nova-3 適合哪些情境？
Deepgram 適合訪談、會議、課程、Podcast、影片字幕和即時字幕等工作。它的價值不只是回傳一段純文字，也能提供時間軸、標點、段落和說話者資訊，方便後續整理與字幕製作。
Deepgram 目前的模型與語言文件列出中文普通話以及台灣繁中語系代碼，包括 zh-TW 與 zh-Hant。如果內容包含中文與英文術語，可以比較 multilingual 模型；若錄音主要只有一種語言，則可先指定主要語言測試。
| 功能 | 適合用途 |
|---|---|
| 預錄轉錄 | 訪談、課程、會議、Podcast 與影片 |
| 即時串流 | 直播字幕與即時語音應用 |
zh-TW／zh-Hant |
台灣繁中與繁體中文錄音 |
| Speaker Diarization | 將不同說話者標記為 Speaker 0、Speaker 1 等 |
| Smart Formatting | 改善標點、日期、數字和文字可讀性 |
| Keyterm Prompting | 提示品牌、人名、產品名和專業術語 |
Deepgram 的核心特色
繁體中文與多語內容
若音訊主要是台灣中文，可以先指定 language=zh-TW。如果內容有中英夾雜，則應比較 monolingual 與 multilingual 設定，觀察英文品牌、技術名詞、縮寫和數字是否被正確保留。
說話者辨識
Deepgram 的 Speaker Diarization 會在轉錄結果的 word 物件中加入 speaker 編號、開始時間、結束時間與信心分數。預錄音訊可使用 diarize_model=latest；官方建議新整合優先使用 latest，讓服務採用最新的正式 diarizer。
Deepgram 官方文件也指出，diarization 與 Nova batch models 相容，但不支援 Deepgram Whisper model。因此，若你的工作流程需要 Speaker 標籤，必須確認選用的是相容的 Nova 模型。
專有名詞提示
Deepgram 的 Keyterm Prompting 適合品牌、產品、人名、醫療或技術詞彙。它是提供模型的辨識提示，不是把沒有說出的字硬塞進逐字稿。正式使用前，建議用實際音檔測試提示是否真的改善結果。
用官方 API 測試 Deepgram
若想在導入任何桌面工具前先確認 Deepgram 的辨識品質，可以直接使用官方 API。Deepgram 的預錄轉錄 endpoint 是：
https://api.deepgram.com/v1/listen
先設定環境變數：
export DEEPGRAM_API_KEY='YOUR_DEEPGRAM_API_KEY'
基本繁中轉錄
curl --request POST \
--header "Authorization: Token ${DEEPGRAM_API_KEY}" \
--header 'Content-Type: audio/m4a' \
--data-binary @sample.m4a \
--url 'https://api.deepgram.com/v1/listen?model=nova-3&language=zh-TW&punctuate=true&smart_format=true'
加入說話者辨識與段落
curl --request POST \
--header "Authorization: Token ${DEEPGRAM_API_KEY}" \
--header 'Content-Type: audio/m4a' \
--data-binary @meeting.m4a \
--url 'https://api.deepgram.com/v1/listen?model=nova-3&language=zh-TW&punctuate=true&smart_format=true&utterances=true&diarize_model=latest'
請將檔案路徑和 API key 換成自己的值。公開文章、GitHub 和教學截圖都不應出現真實 key。
費用參考
Deepgram 官方價格頁目前列出 Pay-as-you-go 的 Nova-3 預錄價格約為 US$0.0043／分鐘（monolingual）和 US$0.0052／分鐘（multilingual）。Keyterm Prompting、Entity Detection、Redaction 等功能可能另外計費；實際方案和免費額度以 Deepgram Console 為準。
Deepgram 的費用與 ElevenLabs credits、Groq API 額度和其他 Cloud ASR 帳單完全分開。若你用不同服務比較同一段音訊，請分別查看各自的用量頁面。
如何把 Scribis 放進錄音工作流程？
Scribis 可以作為桌面端的錄音整理工具：匯入本機音訊或影片、取得逐字稿、編輯文字、搜尋內容，再匯出字幕或文字檔。這種工作方式很適合在比較不同 Cloud ASR 之後，集中整理最後採用的逐字稿。
常見問題
Deepgram 能辨識台灣繁中嗎？
官方模型與語言文件列出台灣繁中相關語系代碼。建議使用 zh-TW 或 zh-Hant 做實際錄音測試，並檢查台灣用語、英文術語和人名。
為什麼沒有 Speaker 標籤？
請確認使用的是相容的 Nova batch model，並且在 API 請求中加入 diarize_model=latest。Deepgram Whisper 不支援 diarization；若使用桌面工具，也要確認該工具有解析 speaker metadata。
diarize=true 和 diarize_model=latest 要一起使用嗎？
不需要。Deepgram 目前建議使用 diarize_model，不要同時傳送兩個參數，以免請求被拒絕。
結語
Deepgram Nova-3 很適合用來測試高速、多語和多人會議轉錄。它支援台灣繁中、說話者辨識、時間軸和專有名詞提示，對字幕與會議整理尤其有吸引力。
你可以先用 Deepgram 官方 API 取得一份結果，再使用 Scribis 把錄音與逐字稿集中整理、校對和匯出。這樣可以各自發揮 Cloud ASR 與桌面工作工具的優勢，也不會把兩個不同服務的功能與帳務混在一起。