# Deepgram

CURRENT_STATUS: CURRENT
OBSERVATION: SPEC_ONLY
FRESHNESS: CURRENT
PAGE_TYPE: reference
CANONICAL_URL: /tools/ea-217-deepgram
CLAIM_IDS: none
EVIDENCE_IDS: EVD-EA-217-URL-048AFF807381, EVD-EA-217-URL-538384D74513, EVD-EA-217-URL-70060BD556EA, EVD-EA-217-URL-3E27DA0C09D9, EVD-EA-217-URL-59C7773F8231, EVD-EA-217-URL-82A416D3AB02, EVD-EA-217-URL-3BA5CC6E5F14, EVD-EA-217-URL-6A527E3185A2, EVD-EA-217-URL-292C5D184DBE, EA-217-R11-RESEARCH, EA-217-R11-WEB-READBACK
UNKNOWN_IDS: EA-217-UNKNOWN-01
OPS_IDS: none

## Summary
Deepgramの音声対話では、API世代・model・入力形式を固定し、文字列の確定、発話終了、生成、実再生、業務操作の認可を分けて管理する。

## Current judgment
Nova型v1のis_finalはsegment確定、speech_finalはpause検出である。発話全体はfinal segmentの蓄積から構成する。Flux STTは/v2/listenを使い、EagerEndOfTurnによる先読みはTurnResumedで取消する。[D1–D3]
Voice AgentのUserStartedSpeakingを受けたclientは再生を止め、bufferを破棄する。Flux TTSのInterruptへ送るplayback_offsetはsession累積値である。値の後退は無視され得る。送信済み音声の全文をユーザーが聞いた履歴とは扱わない。[D4,D8]
self-hostも構成依存である。通常構成のライセンス・usage接続とSageMakerのnetwork isolationを区別し、tenant認証・routing・log分離を運用側で実施する。STTのJapanese対応をTTSへ外挿しない。[D5–D7]

## Scope
Deepgram

## Confirmed
- Nova型v1のis_finalはsegment確定、speech_finalはpause検出である。発話全体はfinal segmentの蓄積から構成する。Flux STTは/v2/listenを使い、EagerEndOfTurnによる先読みはTurnResumedで取消する。[D1–D3]
Voice AgentのUserStartedSpeakingを受けたclientは再生を止め、bufferを破棄する。Flux TTSのInterruptへ送るplayback_offsetはsession累積値である。値の後退は無視され得る。送信済み音声の全文をユーザーが聞いた履歴とは扱わない。[D4,D8]
self-hostも構成依存である。通常構成のライセンス・usage接続とSageMakerのnetwork isolationを区別し、tenant認証・routing・log分離を運用側で実施する。STTのJapanese対応をTTSへ外挿しない。[D5–D7]

## UNKNOWN
- EA-217-UNKNOWN-01: live ASR/TTS、日本語精度、実tenant性能/保持/請求は未測定。合成traceとPCM container検査は製品性能の実証ではない。組織素材の受入条件が満たされるまで本番採用を確定しない。

## Evidence
- EVD-EA-217-URL-048AFF807381 (RESEARCH): D1 — https://developers.deepgram.com/docs/understand-endpointing-interim-results
- EVD-EA-217-URL-538384D74513 (RESEARCH): D2 — https://developers.deepgram.com/docs/flux/quickstart
- EVD-EA-217-URL-70060BD556EA (RESEARCH): D3 — https://developers.deepgram.com/docs/flux/voice-agent-eager-eot
- EVD-EA-217-URL-3E27DA0C09D9 (RESEARCH): D4 — https://developers.deepgram.com/docs/voice-agent-user-started-speaking
- EVD-EA-217-URL-59C7773F8231 (RESEARCH): D5 — https://developers.deepgram.com/docs/self-hosted-introduction
- EVD-EA-217-URL-82A416D3AB02 (RESEARCH): D6 — https://developers.deepgram.com/docs/models-languages-overview
- EVD-EA-217-URL-3BA5CC6E5F14 (RESEARCH): D7 — https://developers.deepgram.com/docs/flux-tts/voices
- EVD-EA-217-URL-6A527E3185A2 (RESEARCH): D8 — https://developers.deepgram.com/docs/flux-tts/interrupt-handling
- EVD-EA-217-URL-292C5D184DBE (RESEARCH): D9 — https://deepgram.com/pricing
- EA-217-R11-RESEARCH (RESEARCH): EA-217 監査済みresearch / canonical revision binding
- EA-217-R11-WEB-READBACK (IMPL): EA-217 Web body identity / canonical readback

## Failure / limits
最後のfinal segmentだけ読むと否定句を失う。先読み応答の取消、古いcallback、echo、断線、重複tool実行、数字や宛先の誤認識を試験する。sourceのlatency値をcaptureから再生までのSLAにしない。
## Failure / limits
live ASR/TTS、日本語精度、実tenant性能/保持/請求は未測定。合成traceとPCM container検査は製品性能の実証ではない。組織素材の受入条件が満たされるまで本番採用を確定しない。
## Practice
session/turn/epochと実再生位置、取消、tool認可を結ぶ監査記録は組織側の提案である。発話終了の通知があっても、外部操作の業務権限は別途確認する。
## Practice
endpoint・model・language・encoding/rate/channel、cloud/self-host構成と契約、region、同時接続、費用上限を確認する。STT時間、TTS文字、Voice Agent、BYOと電話回線の費用を分ける。[D2,D5,D9]
## Practice
keyをserverに保管し、利用者とtenantを認証する。録音・転写・model・toolログの保持とACLを個別に検証する。取消後の業務side effectは履歴と照合し、成功済み操作を再実行しない。
## PUBLIC_CLAIM
Deepgramの音声対話では、API世代・model・入力形式を固定し、文字列の確定、発話終了、生成、実再生、業務操作の認可を分けて管理する。

## ESTABLISHED
Nova型v1のis_finalはsegment確定、speech_finalはpause検出である。発話全体はfinal segmentの蓄積から構成する。Flux STTは/v2/listenを使い、EagerEndOfTurnによる先読みはTurnResumedで取消する。[D1–D3]
Voice AgentのUserStartedSpeakingを受けたclientは再生を止め、bufferを破棄する。Flux TTSのInterruptへ送るplayback_offsetはsession累積値である。値の後退は無視され得る。送信済み音声の全文をユーザーが聞いた履歴とは扱わない。[D4,D8]
self-hostも構成依存である。通常構成のライセンス・usage接続とSageMakerのnetwork isolationを区別し、tenant認証・routing・log分離を運用側で実施する。STTのJapanese対応をTTSへ外挿しない。[D5–D7]

## INFERENCE
session/turn/epochと実再生位置、取消、tool認可を結ぶ監査記録は組織側の提案である。発話終了の通知があっても、外部操作の業務権限は別途確認する。

## FAILURE_ENVELOPE
最後のfinal segmentだけ読むと否定句を失う。先読み応答の取消、古いcallback、echo、断線、重複tool実行、数字や宛先の誤認識を試験する。sourceのlatency値をcaptureから再生までのSLAにしない。

## AVAILABILITY_GATES
endpoint・model・language・encoding/rate/channel、cloud/self-host構成と契約、region、同時接続、費用上限を確認する。STT時間、TTS文字、Voice Agent、BYOと電話回線の費用を分ける。[D2,D5,D9]

## SECURITY_PRIVACY_AUDIT_OPERABILITY
keyをserverに保管し、利用者とtenantを認証する。録音・転写・model・toolログの保持とACLを個別に検証する。取消後の業務side effectは履歴と照合し、成功済み操作を再実行しない。

## UNKNOWN_AND_STOP_CONDITION
live ASR/TTS、日本語精度、実tenant性能/保持/請求は未測定。合成traceとPCM container検査は製品性能の実証ではない。組織素材の受入条件が満たされるまで本番採用を確定しない。

## SOURCES
- D1 https://developers.deepgram.com/docs/understand-endpointing-interim-results
- D2 https://developers.deepgram.com/docs/flux/quickstart
- D3 https://developers.deepgram.com/docs/flux/voice-agent-eager-eot
- D4 https://developers.deepgram.com/docs/voice-agent-user-started-speaking
- D5 https://developers.deepgram.com/docs/self-hosted-introduction
- D6 https://developers.deepgram.com/docs/models-languages-overview
- D7 https://developers.deepgram.com/docs/flux-tts/voices
- D8 https://developers.deepgram.com/docs/flux-tts/interrupt-handling
- D9 https://deepgram.com/pricing

EVIDENCE_AS_OF: 2026-10-04。各資料の記述はversion/model/deployment scopeに限定する。

NEXT: /agent/start.json
STOP: This is a knowledge projection, not an execution order.