語音AI界的新晉獨角獸，拿1.3億美元融資“不務正業(yè)”去做餐飲了

揚帆出海 作者丨子墨

美國當?shù)貢r間1月13日，語音AI公司Deepgram宣布完成1.3億美元C輪融資，由AVP領投，Alkeon、In-Q-Tel、Madrona等老股東，以及新投資者Alumni Ventures、Princeville Capital、Citi Ventures跟投。此輪融資后，公司總融資額達到2.15億美元，估值13億美元，成為了這一賽道的新晉獨角獸。

據(jù)悉，Deepgram成立于2015年，由密歇根大學物理系研究員Noah Shutty（CTO）和其導師Scott Stephenson（CEO）二人共同創(chuàng)立。創(chuàng)立的初衷，是源于Shutty的一項學術研究，希望能夠找到更加便捷的方式，管理日常生活中碎片化的音視頻片段，并借助AI實現(xiàn)智能檢索。如今，公司主要面向B端，推出的語音轉文本、文本轉語音、語音識別等模型已服務于1300多家企業(yè)級用戶。

（Deepgram部分B端用戶，圖源：Deepgram官網）

據(jù)公開信息顯示，在Deepgram成立的近10年時間里，并不都是一帆風順的，而是經歷了融資、裁員、降本等曲折道路。

2016年，Deepgram成剛成立不久，就獲得了由Y Combinator、Metamorphic Ventures共同領投的180萬美元融資。2021-2022年間，又連續(xù)融資了8600萬美元，估值升至2.67億美元。

然而，高昂的研發(fā)成本也在持續(xù)地燒著錢，加之谷歌、微軟、亞馬遜等巨頭入場競爭，OpenAI推出開源語音識別模型Whisper，為企業(yè)提供低價的API服務，Deepgram的優(yōu)勢已大不如前。

2023-2025年間，面對市場競爭加劇、高利率下融資壓力攀升，Deepgram不得不進行兩次大規(guī)模裁員來控制成本，每次裁員人數(shù)均在20%（20人左右）。

而此次在2026年開年的新一輪融資，公司不僅拿到了歷史最高的單筆融資，估值也是翻倍飆升。那么這筆融資究竟是助其脫困的“雪中送炭”，還是在市場洪流中的“錦上添花”呢？

語音文字互轉，不再只是記錄

在Deepgram平臺的體驗中，可以發(fā)現(xiàn)其設計并不是那種很生硬的語音和文字的相互轉錄，而是能夠看到一些有意思的小巧思。

比如在面向C端的語音轉文字時，可以像微信一樣，按住話筒標識說話，或直接上傳文件，轉成文字后的內容支持復制和下載。

相反，在文字轉語音的過程中，支持1000字的文本輸入，這里也提供了醫(yī)療、財務、銷售等工作場景的文字模板。同時還有海倫娜、露娜、奧德修斯等有不同口音（如英音、美音、澳大利亞音等）、性別的聲音模板，且模板前都有對應的角色形象。雖然這些角色所展現(xiàn)出來的是聲音，但實際上也內在嵌入了差異化的性格特點、年齡等擬人化特征，每個角色都有自身所對應的一套標簽。

比如奧德修斯就是冷靜、圓滑、舒適且專業(yè)的，阿瑪爾西亞就是自然、開朗的。基于角色的不同性格，可以匹配出合適的使用場景，如比較隨意地講故事、聊天，或是很專業(yè)的廣告、采訪、客戶服務等等。

這一過程，就會讓人感覺并不是在單純地做AI轉化，而是在創(chuàng)作，用自己喜歡的聲音配合文字，甚至可以用其來配音做一些帶有人物反差感、有趣的內容。

另外，Deepgram還推出了AI助手Deepgram Saga，接入了ChatGPT、Claude、Gemini等多款頂尖模型，支持文字和語音輸入，可以完成問題回答、信息檢索、頭腦風暴思考甚至能夠直接執(zhí)行工行工作流操作。

塔可鐘“翻車”的AI點餐，迎來新的挑戰(zhàn)者

雖然Deepgram在近兩年的時間一度陷入資金困境，但經過對B端大客戶的積累和定制化服務，公司在2025年現(xiàn)金流已實現(xiàn)轉正，CEO Scott Stephenson更是表示，公司目前其實并不缺錢，此次融資也是跟隨市場趨勢，在市場需求的推動下進行的。

實際上，在2025年語音AI賽道的融資案例并不少見，比如ElevenLabs完成了1.8億美元的C輪融資，Seasame完成了2.5億美元的B輪融資，Gradium完成7000萬美元種子輪融資，還有云知聲也成功在港股IPO。足以見得，這一賽道的爆發(fā)增長態(tài)勢。

但與同類公司不同的是，Deepgram在應用場景方面走出了一條讓人意想不到的道路。在宣布此輪融資的同時，公司還公布了一則最新收購消息。

Deepgram收購了同為YC投資孵化的一個AI點餐項目OfOne，并成立Deepgram for Restaurants新業(yè)務，原OfOne CEO Will Edwards擔任此新業(yè)務的總經理。

（OfOne智能點餐）

據(jù)悉，OfOne曾開發(fā)過一套語音AI驅動的點餐系統(tǒng)，訂單準確率高達93%，能夠有效處理背景噪音、多元化口音、復雜的菜品定制需求等問題。基于業(yè)務的部分重合性，Deepgram也將其原有的業(yè)務加以利用，推出的Deepgram for Restaurants垂直于餐飲服務。通過專業(yè)訓練的語音模型，實現(xiàn)與真人用戶互動點餐，并能實時協(xié)助餐廳員工工作。

Stephenson認為，大眾的語音AI的首次互動往往都是在零售環(huán)境中發(fā)生的，但零售環(huán)境充滿了挑戰(zhàn)。甚至連麥當勞、塔可鐘等多個餐飲品牌都曾因語音AI試點未達預期，而收縮或暫停。甚至塔可鐘還曾出現(xiàn)過有人對著AI點了1.8萬個水杯的搞笑“名場面”，由此也可以看出AI在處理不同用戶表達、口音或復雜需求時，還是有很大的可提升空間的。此次收購OfOne深入餐飲場景，可以說是Deepgram迎難而上，直面挑戰(zhàn)的一次新嘗試。

餐飲之外，Deepgram還在醫(yī)療、客服、銷售、金融等多行業(yè)多場景下有著靈活的使用。特別是醫(yī)療場景，由于歐美國家去醫(yī)院看病一般都要提前很久預約，專業(yè)醫(yī)生人力資源短缺，醫(yī)生除了看病之外，還需處理記錄、整理等流程上的工作。

而使用語音AI后，AI就可以智能捕捉實時對話內容，并形成結構化記錄，語音輸入直接撰寫完整的處方，甚至提供7×24小時自助服務，處理患者咨詢、預約安排等。讓醫(yī)生能夠專注于看病，其余事項交給AI來處理提升效率。

相對于醫(yī)療場景下AI需要體現(xiàn)嚴謹、認證以及專業(yè)度，客服場景下就會稍顯靈活一些。如上文所說，B端用戶可以去定制化語音AI的角色形象，讓對面顯得不再是冷冰冰的機器，而是鮮活、有生命力的擬人形象，支持選擇不同模型來思考，設置第一句打招呼用語、結束語、提示詞、關鍵詞、專業(yè)術語等等。

此外，用戶還可以在0-1之間自定義LLM數(shù)值來控制AI的隨機反應，數(shù)值越低，模型則更加可以預測，也就是可控性越強，數(shù)值越高，則會增加AI的“不可控性”，AI輸出的內容更加隨機，也可能會變得“放飛自我”。

總的來說，Deepgram此輪融資一方面可以被視為公司現(xiàn)金流的補充，對前兩年裁員降本、市場壓力的緩解；另一方面則是其業(yè)務版圖向新場景的延伸。可以預見的是，未來，語音AI將不再只是辦公室里的效率工具，而是會滲透進大眾生活的方方面面，成為解決復雜問題的日常伙伴。