Deepgram STT：说话人分离 v2、数字格式与批处理和实时的区别
Deepgram 的说话人分离 v2 在人工评测中比原有生产版本多被选择 3.3 倍，但 diarize_model 仅支持批处理，不支持流式。此外还有韩语分词和多语言数字格式的更新。
Deepgram 最近的语音识别更新带来了更灵活的会话控制、韩语分词改进、多语言数字格式，以及新的批处理说话人分离选项。它们有助于从实时讨论或供日后复核的录音中生成更易读的转写。
这对 Telli.sh 很重要，因为 Telli.sh 在生产环境中默认使用 Deepgram 作为语音引擎。当引擎变好，实时笔记、上传音频转写、摘要和多语言会议记录的基础质量也会变好。
Image: Dejan Krsmanovic, Wikimedia Commons, CC BY 2.0.
Deepgram 发布了什么
最新项目是 2026 年 6 月 15 日发布的 UpdateListen。它允许实时语音会话在不中断和不重启的情况下更新 Listen 配置。可调整字段包括发言结束阈值、积极结束阈值、超时、关键词和语言提示。
对用户来说，这意味着会议主题、术语或语言组合变化时，系统未来可以更好地适应，而不是要求重新开始录音。
5 月还有几项重要 STT 更新：
ko和ko-KR韩语转写的词间空格得到改善，韩语笔记更容易阅读和复核。- 使用
language=multi的 Nova-2、Nova-3 和 Flux 多语言模型现在支持 profanity filtering。 - Nova-3 多语言模型可以在许多语言中把口语数字格式化为数字，适合预算、日期、数量和行动项。
- 批量说话人分离 v2 可通过
diarize_model使用；Deepgram 表示，在人工对比评估中 v2 相比上一代生产 diarizer 获得了 3.3 倍偏好。
选择工作流时要注意这一点：diarize_model 用于批量请求，不适用于流式请求。上传录音可以使用它，但它不会改变实时会话中的说话人标注。
对 Telli.sh 用户的意义
最直接的收益是转写质量。韩语用户会得到更易读的原始转写。多语言会议会受益于更好的数字格式化和内容过滤，从而减少会后整理负担。
下一层是实时会话控制。UpdateListen 让应用可以在不中断录音的情况下调整实时语音识别。
对于上传录音，diarization v2 为按说话人整理笔记提供了另一个选项。Deepgram 表示，在人工并排评估中，评测者选择它的次数是上一代生产版本的 3.3 倍，在联络中心音频上的提升最大；实际会议录音的结果可能不同。
好的 STT 还需要产品层
Deepgram 改善转写。Telli.sh 把转写变成工作流：实时录音状态、源语言选择、可复核文本、AI 精修、摘要、决策、行动项和可再次查找的会议记录。
实际目标是减少更正、生成更清晰的笔记，并减少会后整理工作。识别能力的提升，只有落实为可复核、可复用的记录时才真正有用。
