Paraformer Realtime v2

Especificaciones y límites

Generación de Paraformer orientada al streaming, con personalización de hotwords y cobertura multilingüe.

según documentación oficial de Alibaba ↗

Use Paraformer Realtime v2 en 30 segundos

Compatible con OpenAI: cambie el base_url y conserve su SDK. 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());

Acerca de Paraformer Realtime v2

• Reconoce el mandarín chino junto con un conjunto inusualmente amplio de dialectos regionales (cantonés, wu, hokkien, sichuanés y más) además de inglés, japonés, coreano, alemán, francés y ruso, y admite un parámetro language_hints para guiar la detección.
• Esa es una incorporación exclusiva de la v2, igual que la aceptación de frecuencias de muestreo arbitrarias, donde la versión anterior exigía 16 kHz.
• La documentación de Alibaba ahora recomienda Fun-ASR o Qwen-ASR para nuevos proyectos, posicionando este modelo para integraciones existentes.
• Lo que lo mantiene utilizable es una superficie de parámetros madura: tablas de hotwords para vocabulario de dominio, normalización inversa de texto activada por defecto, predicción de puntuación activada por defecto con puntuación semántica opcional, un silencio máximo de frase configurable que cierra una intervención, y un filtro de disfluencias opcional que elimina las muletillas (un control que el modelo Fun-ASR en tiempo real no documenta).
• Las marcas de tiempo a nivel de frase y de palabra se devuelven en milisegundos, y la conexión acepta PCM, WAV, MP3, Opus, Speex, AAC y AMR.
• La diarización de hablantes no se ofrece en la vía en tiempo real, y no hay reconocimiento de emociones.
• Trátelo como un endpoint estable para canalizaciones ya ajustadas a él, y no como el punto de partida de un trabajo nuevo.
• Synthorai lo sigue sirviendo a través del endpoint compatible con OpenAI.

Preguntas frecuentes

Modelos relacionados

Comparar