Единый конвейер STT + TTS + LLM в одном API без необходимости сборки из разрозненных компонентов
Поддержка 10 языков с автоопределением и переключением кода в одной модели Flux Multilingual
Гибкость развёртывания: облачный вариант и on-premises с защитой данных через NVIDIA/Fortanix
Низкая задержка — определение конца реплики менее 400 мс, что критично для естественного диалога
Минусы
Тариф Growth стоит 4000 долларов в год — ощутимо дорого для небольших команд и индивидуальных разработчиков
Self-hosted развёртывание требует GPU NVIDIA, что повышает порог входа по инфраструктуре
Поддержка русского языка есть во Flux Multilingual, но для задач только на английском рекомендуется отдельная модель — выбор моделей не всегда очевиден
Бесплатный тестовый лимит 45 минут без регистрации
Высокая точность распознавания (95-98%) и поддержка 55 языков
Быстрая обработка — расшифровка занимает около 5 минут
Понятная тарификация с привязкой к часам, а не абонентской плате за функции
Минусы
Стоимость часа при покупке минимального пакета довольно высока (500 RUB за 1 час)
Сервис специализируется только на транскрипции, без дополнительных встроенных инструментов для редактирования видео или сложного форматирования субтитров
Deepgram 