Aller au contenu principal
usedby
Un outil, une entreprise

Comment SigmaMind AI utilise Deepgram

~300ms

“~300ms reduction in end-to-end agent response time after integrating Deepgram’s streaming STT”

Tel que publié sur deepgram.com. Vérifié par usedby le 9 oct. 2026.

Ce qui s’est passé

SigmaMind AI uses Deepgram's Nova-3 and Flux models as the default real-time speech-to-text engine in its no-code platform for building voice AI agents. Transcripts, including interim results, feed its orchestration engine so agents can start acting before a speaker finishes.

Résumé rédigé par usedby à partir de la page source, en anglais. Les chiffres sont ceux de Deepgram et de SigmaMind AI, pas les nôtres.

  • 50%“50% increase in outbound call conversion for a call center customer that migrated to SigmaMind, going live in just two weeks”
  • 1 million+“1 million+ calls per month processed through SigmaMind’s platform, with 200+ hours of speech transcribed daily”
  • 150“150 peak concurrent voice sessions handled per customer deployment without degradation”
  • Sub-1-second“Sub-1-second voice-to-voice latency including telephony overhead, enabling natural conversational pacing”

By integrating Deepgram’s Nova-3, and Flux speech-to-text models as the default real-time transcription engine, SigmaMind reduced end-to-end agent response latency by roughly 300 milliseconds and enabled a new class of voice workflows where agents act on speech before a sentence is even finished.

Extrait de la page. deepgram.com

When we began acting on interim transcripts and combined that with word timestamps, the agent could trigger API calls and follow-ups mid-utterance,” said Pratik Mundra, co-founder of SigmaMind AI. “That shift unlocked much richer, multi-step voice workflows.

Pratik Mundra, co-founder of SigmaMind AI. Source

Ce que dit le témoignage, et ce que nous avons vérifié

Ce que nous avons comparé à la page.

  • Le chiffre : ~300msVérifiéImprimé mot pour mot sur la page, près du nom de SigmaMind AI.
  • L’extrait cité plus hautVérifiéCopié mot pour mot depuis la page, près du nom de SigmaMind AI.
  • SigmaMind AI utilise DeepgramVérifiéLigne de niveau Confirmé.
  • Le résultat lui-mêmeNon vérifiéNous le citons ; nous ne l’avons pas mesuré.

Même entreprise, même outil ou même secteur.

2.5x“train models 2.5x faster than previously experienced on NVIDIA H200s”Mistral AI utilise CoreWeave. Même secteur : Intelligence Artificielle75%“saving 75% in cloud costs”NovelAI utilise CoreWeave. Même secteur : Intelligence Artificielle90%“90% cost reduction”OpenAI utilise CoreWeave. Même secteur : Intelligence Artificielle