Best Speech-to-Text APIs in 2025

Agent Draw: An agent draws while you talk, built on TLDraw

Agent Draw là công cụ hoạt động trên tldraw Agent starter kit, cho phép AI agent vẽ trên canvas vô hạn khi bạn nói. Bạn kéo vùng chọn, mô tả yêu cầu bằng giọng nói, và agent sẽ render bằng tldraw primitives hoặc bút vẽ. Bài viết chi tiết cách triển khai: StateNode tùy chỉnh, pipeline audio MediaRecorder, transcription qua Mistral Voxtral (Cloudflare Worker), hàng đợi FIFO xử lý yêu cầu vẽ đồng thời, và kỹ thuật prompt ngăn model xuất text thay vì vẽ. Tối ưu hiệu suất bằng cách loại bỏ hai action (setMyView, review), giảm 50% round-trip. So sánh khả năng, claude-opus-4.8 tạo tác phẩm phong phú hơn claude-haiku-4.5 hay gemini-2.5-flash-lite.

Những người lập trình viên muốn phát triển ứng dụng AI tích hợp giao diện đồ họa trực quan, đặc biệt là các ứng dụng tương tác âm thanh-video, nên đọc bài này để hiểu cách xây dựng pipeline hiệu quả từ nhận dạng âm thanh, xử lý đa nhiệm và tối ưu hóa giao tiếp giữa AI với người dùng thông qua các công cụ như tldraw.

Speech Recognition Accuracy: Production Metrics & Optimization 2025

Master speech recognition accuracy measurement, testing, and optimization for production systems. Learn what metrics matter beyond WER and how to improve performance.

Nova-3 Multilingual: Major WER Improvements Across Languages

Nova-3 Multilingual now delivers lower WER across batch and streaming, with strong gains in code-switching. No API changes required.

Reimagining Loyalty: How Voice AI Concierge Can Redefine Hospitality Worldwide

A voice AI concierge and greatly improve customer experience, strengthen customer loyalty, and revolutionize hospitality. Here's how.

How to Benchmark Medical Speech Recognition Accuracy for Clinical Use

Build internal benchmarking practices that predict real-world medical speech recognition performance. Learn metrics, test set construction, and threshold-setting for clinical deployments.

5 More AI Voice Agent Use Cases for You and Your Business Right Now

Part 2 of the Voice Agents Use Cases series: Modern speech recognition, real-time reasoning, and natural speech synthesis now work together in one streaming loop, so voice agents can actually finish tasks, not just chat. Here are 5 more ways you can take advantage of this new technology.

Today We Start the Next Chapter of the Voice AI Economy

We’re excited to announce our latest funding round and the acquisition of Of.One. A decade in the making, Deepgram now powers much of the voice AI ecosystem. Learn more here!