语音AI界的新晋独角兽，拿1.3亿美元融资“不务正业”去做餐饮了

扬帆出海 作者丨子墨

美国当地时间1月13日，语音AI公司Deepgram宣布完成1.3亿美元C轮融资，由AVP领投，Alkeon、In-Q-Tel、Madrona等老股东，以及新投资者Alumni Ventures、Princeville Capital、Citi Ventures跟投。此轮融资后，公司总融资额达到2.15亿美元，估值13亿美元，成为了这一赛道的新晋独角兽。

据悉，Deepgram成立于2015年，由密歇根大学物理系研究员Noah Shutty（CTO）和其导师Scott Stephenson（CEO）二人共同创立。创立的初衷，是源于Shutty的一项学术研究，希望能够找到更加便捷的方式，管理日常生活中碎片化的音视频片段，并借助AI实现智能检索。如今，公司主要面向B端，推出的语音转文本、文本转语音、语音识别等模型已服务于1300多家企业级用户。

（Deepgram部分B端用户，图源：Deepgram官网）

据公开信息显示，在Deepgram成立的近10年时间里，并不都是一帆风顺的，而是经历了融资、裁员、降本等曲折道路。

2016年，Deepgram成刚成立不久，就获得了由Y Combinator、Metamorphic Ventures共同领投的180万美元融资。2021-2022年间，又连续融资了8600万美元，估值升至2.67亿美元。

然而，高昂的研发成本也在持续地烧着钱，加之谷歌、微软、亚马逊等巨头入场竞争，OpenAI推出开源语音识别模型Whisper，为企业提供低价的API服务，Deepgram的优势已大不如前。

2023-2025年间，面对市场竞争加剧、高利率下融资压力攀升，Deepgram不得不进行两次大规模裁员来控制成本，每次裁员人数均在20%（20人左右）。

而此次在2026年开年的新一轮融资，公司不仅拿到了历史最高的单笔融资，估值也是翻倍飙升。那么这笔融资究竟是助其脱困的“雪中送炭”，还是在市场洪流中的“锦上添花”呢？

语音文字互转，不再只是记录

在Deepgram平台的体验中，可以发现其设计并不是那种很生硬的语音和文字的相互转录，而是能够看到一些有意思的小巧思。

比如在面向C端的语音转文字时，可以像微信一样，按住话筒标识说话，或直接上传文件，转成文字后的内容支持复制和下载。

相反，在文字转语音的过程中，支持1000字的文本输入，这里也提供了医疗、财务、销售等工作场景的文字模板。同时还有海伦娜、露娜、奥德修斯等有不同口音（如英音、美音、澳大利亚音等）、性别的声音模板，且模板前都有对应的角色形象。虽然这些角色所展现出来的是声音，但实际上也内在嵌入了差异化的性格特点、年龄等拟人化特征，每个角色都有自身所对应的一套标签。

比如奥德修斯就是冷静、圆滑、舒适且专业的，阿玛尔西亚就是自然、开朗的。基于角色的不同性格，可以匹配出合适的使用场景，如比较随意地讲故事、聊天，或是很专业的广告、采访、客户服务等等。

这一过程，就会让人感觉并不是在单纯地做AI转化，而是在创作，用自己喜欢的声音配合文字，甚至可以用其来配音做一些带有人物反差感、有趣的内容。

另外，Deepgram还推出了AI助手Deepgram Saga，接入了ChatGPT、Claude、Gemini等多款顶尖模型，支持文字和语音输入，可以完成问题回答、信息检索、头脑风暴思考甚至能够直接执行工行工作流操作。

塔可钟“翻车”的AI点餐，迎来新的挑战者

虽然Deepgram在近两年的时间一度陷入资金困境，但经过对B端大客户的积累和定制化服务，公司在2025年现金流已实现转正，CEO Scott Stephenson更是表示，公司目前其实并不缺钱，此次融资也是跟随市场趋势，在市场需求的推动下进行的。

实际上，在2025年语音AI赛道的融资案例并不少见，比如ElevenLabs完成了1.8亿美元的C轮融资，Seasame完成了2.5亿美元的B轮融资，Gradium完成7000万美元种子轮融资，还有云知声也成功在港股IPO。足以见得，这一赛道的爆发增长态势。

但与同类公司不同的是，Deepgram在应用场景方面走出了一条让人意想不到的道路。在宣布此轮融资的同时，公司还公布了一则最新收购消息。

Deepgram收购了同为YC投资孵化的一个AI点餐项目OfOne，并成立Deepgram for Restaurants新业务，原OfOne CEO Will Edwards担任此新业务的总经理。

（OfOne智能点餐）

据悉，OfOne曾开发过一套语音AI驱动的点餐系统，订单准确率高达93%，能够有效处理背景噪音、多元化口音、复杂的菜品定制需求等问题。基于业务的部分重合性，Deepgram也将其原有的业务加以利用，推出的Deepgram for Restaurants垂直于餐饮服务。通过专业训练的语音模型，实现与真人用户互动点餐，并能实时协助餐厅员工工作。

Stephenson认为，大众的语音AI的首次互动往往都是在零售环境中发生的，但零售环境充满了挑战。甚至连麦当劳、塔可钟等多个餐饮品牌都曾因语音AI试点未达预期，而收缩或暂停。甚至塔可钟还曾出现过有人对着AI点了1.8万个水杯的搞笑“名场面”，由此也可以看出AI在处理不同用户表达、口音或复杂需求时，还是有很大的可提升空间的。此次收购OfOne深入餐饮场景，可以说是Deepgram迎难而上，直面挑战的一次新尝试。

餐饮之外，Deepgram还在医疗、客服、销售、金融等多行业多场景下有着灵活的使用。特别是医疗场景，由于欧美国家去医院看病一般都要提前很久预约，专业医生人力资源短缺，医生除了看病之外，还需处理记录、整理等流程上的工作。

而使用语音AI后，AI就可以智能捕捉实时对话内容，并形成结构化记录，语音输入直接撰写完整的处方，甚至提供7×24小时自助服务，处理患者咨询、预约安排等。让医生能够专注于看病，其余事项交给AI来处理提升效率。

相对于医疗场景下AI需要体现严谨、认证以及专业度，客服场景下就会稍显灵活一些。如上文所说，B端用户可以去定制化语音AI的角色形象，让对面显得不再是冷冰冰的机器，而是鲜活、有生命力的拟人形象，支持选择不同模型来思考，设置第一句打招呼用语、结束语、提示词、关键词、专业术语等等。

此外，用户还可以在0-1之间自定义LLM数值来控制AI的随机反应，数值越低，模型则更加可以预测，也就是可控性越强，数值越高，则会增加AI的“不可控性”，AI输出的内容更加随机，也可能会变得“放飞自我”。

总的来说，Deepgram此轮融资一方面可以被视为公司现金流的补充，对前两年裁员降本、市场压力的缓解；另一方面则是其业务版图向新场景的延伸。可以预见的是，未来，语音AI将不再只是办公室里的效率工具，而是会渗透进大众生活的方方面面，成为解决复杂问题的日常伙伴。