Paraformer Realtime v2

Spezifikationen & Limits

Streaming-orientierte Paraformer-Generation mit Hotword-Anpassung und mehrsprachiger Abdeckung.

laut Offizielle Alibaba-Dokumentation ↗

Paraformer Realtime v2 in 30 Sekunden nutzen

OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/audio/transcriptions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.audio.transcriptions.create(
    model="paraformer-realtime-v2",
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.audio.transcriptions.create({
  model: "paraformer-realtime-v2",
  file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);

curl https://synthorai.io/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-syn-..." \
  -F model="paraformer-realtime-v2" \
  -F file=@meeting.mp3

package main

import (
	"context"
	"fmt"
	"os"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	f, _ := os.Open("meeting.mp3")
	resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
		Model: "paraformer-realtime-v2",
		File:  f,
	})
	fmt.Println(resp.Text)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

Transcription resp = client.audio().transcriptions().create(
    TranscriptionCreateParams.builder()
        .model("paraformer-realtime-v2")
        .file(Paths.get("meeting.mp3"))
        .build()).asTranscription();
System.out.println(resp.text());

Über Paraformer Realtime v2

• Es erkennt chinesisches Mandarin sowie ein ungewöhnlich breites Set regionaler Dialekte (Kantonesisch, Wu, Hokkien, Sichuan und mehr) sowie Englisch, Japanisch, Koreanisch, Deutsch, Französisch und Russisch und unterstützt einen language_hints-Parameter zur Steuerung der Erkennung.
• Das ist eine reine v2-Ergänzung, ebenso wie die Annahme beliebiger Abtastraten, wo die vorherige Version 16 kHz verlangte.
• Alibabas Dokumentation empfiehlt inzwischen Fun-ASR oder Qwen-ASR für neue Projekte und positioniert dieses Modell für bestehende Integrationen.
• Nutzbar hält es eine ausgereifte Parameteroberfläche: Hotword-Tabellen für Fachvokabular, standardmäßig aktive inverse Textnormalisierung, standardmäßig aktive Interpunktionsvorhersage mit optionaler semantischer Interpunktion, eine konfigurierbare maximale Satzstille, die eine Äußerung abschließt, sowie ein optionaler Disfluenz-Filter, der Füllwörter entfernt (eine Steuerung, die das Fun-ASR-Realtime-Modell nicht dokumentiert).
• Zeitstempel auf Satz- und Wortebene werden in Millisekunden zurückgegeben, und die Verbindung akzeptiert PCM, WAV, MP3, Opus, Speex, AAC und AMR.
• Sprecher-Diarisierung wird auf dem Realtime-Pfad nicht angeboten, und es gibt keine Emotionserkennung.
• Behandeln Sie es als stabilen Endpoint für Pipelines, die bereits darauf abgestimmt sind, statt als Ausgangspunkt für neue Arbeit.
• Synthorai stellt es weiterhin über den OpenAI-kompatiblen Endpoint bereit.

FAQ

Verwandte Modelle

Vergleichen