Paraformer Realtime v2

Spécifications et limites

Génération Paraformer axée streaming, avec personnalisation par mots-clés et couverture multilingue.

selon docs officielles Alibaba ↗

Utilisez Paraformer Realtime v2 en 30 secondes

Compatible OpenAI : changez la base_url, gardez votre 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());

À propos de Paraformer Realtime v2

• Il reconnaît le mandarin chinois ainsi qu'un ensemble exceptionnellement large de dialectes régionaux (cantonais, wu, hokkien, sichuanais, et d'autres), plus l'anglais, le japonais, le coréen, l'allemand, le français et le russe, et prend en charge un paramètre language_hints pour guider la détection.
• C'est un ajout propre à la v2, tout comme l'acceptation de fréquences d'échantillonnage arbitraires là où la version précédente exigeait 16 kHz.
• La documentation d'Alibaba recommande désormais Fun-ASR ou Qwen-ASR pour les nouveaux projets et réserve ce modèle aux intégrations existantes.
• Ce qui le garde utilisable, c'est une surface de paramètres mature : tables de mots-clés (hotwords) pour le vocabulaire métier, normalisation inverse du texte activée par défaut, prédiction de la ponctuation activée par défaut avec ponctuation sémantique optionnelle, silence maximal de phrase configurable qui clôt un énoncé, et filtre optionnel des disfluences qui retire les mots de remplissage (un contrôle que le modèle Fun-ASR temps réel ne documente pas).
• Les horodatages au niveau de la phrase et du mot sont renvoyés en millisecondes, et la connexion accepte les formats PCM, WAV, MP3, Opus, Speex, AAC et AMR.
• La diarisation des locuteurs n'est pas proposée sur le chemin temps réel, et il n'y a pas de reconnaissance des émotions.
• Considérez-le comme un endpoint stable pour les pipelines déjà réglés sur lui plutôt que comme le point de départ d'un nouveau projet.
• Synthorai continue de le servir via l'endpoint compatible OpenAI.

FAQ

Modèles associés

Comparer