新規 無料登録、10回の呼び出しを進呈。最大 $1、カード不要。

Fun-ASR Realtime

2025-09-23 リリース

transcription

Fun-ASR Realtime は Alibaba のストリーミング音声認識モデルです。

入力
音声
出力
テキスト
価格
$0.002/min

価格の位置づけ

同種 11 モデル中の料金の位置

1 分あたり$0.002/min
$0.002 · Fun-ASR Realtime Chirp 2 · $0.016

このバーは、Synthorai 上の同種モデルの中でこのモデルの価格がどこに位置するかを示します。両端には最も安いモデルと最も高いモデルの名前が入ります。表示は基本料金で、バッチ・リージョン・キャッシュ書き込みの割引は料金ページにあります。

スペックと制限

音声

言語 方言を含む多言語対応で 30 言語:中国語(標準中国語、広東語、呉語、閩南語、客家語、贛語、湘語、晋語および各地の訛り)、英語、日本語、韓国語、ベトナム語、タイ語、インドネシア語、マレー語、フィリピン語、ヒンディー語、アラビア語、フランス語、ドイツ語、スペイン語、ポルトガル語、ロシア語、イタリア語、オランダ語、スウェーデン語、デンマーク語、フィンランド語、ノルウェー語、ギリシャ語、ポーランド語、チェコ語、ハンガリー語、ルーマニア語、ブルガリア語、クロアチア語、スロバキア語
音声の制限
  • WebSocket によるリアルタイムストリーミングで、時間制限なし。
  • RAG ベースの大規模ホットワード。
  • ミリ秒単位のタイムスタンプ。
  • VAD によるターン検出。
話者分離 非対応
ストリーミング文字起こし 対応
タイムスタンプ 対応

モデル

モダリティ 音声 → テキスト

ドキュメントのリアルタイムガイドでは 7 状態の感情認識も説明されています。

出典:Alibaba 公式ドキュメント ↗

30 秒で Fun-ASR Realtime を使う

OpenAI 互換。base_url を差し替えるだけで、SDK はそのまま。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="fun-asr-realtime",
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Fun-ASR Realtime について

  • 音声は持続的な接続経由でストリーム入力され、テキストが低レイテンシでストリーム返却され、ストリームの長さに上限はありません。
  • 公式ドキュメントは、ライブ字幕、音声アシスタント、会議の文字起こし向けに位置づけており、ホットワードカスタマイズと、中国語の地方方言・英語・日本語・韓国語を含む多言語カバレッジという Fun-ASR ファミリーの強みを備えます。
  • リアルタイムの面には、ファイルベースのモデルには不要な制御が加わります。
  • セマンティック句読点、既定でオンの句読点予測、発話の区切りを決める調整可能な最大無音時間、背景音に対して調整するための音声ノイズしきい値、そしてストリームの進行に合わせて出力される単語レベルのタイムスタンプです。
  • 音声は PCM、WAV、MP3、Opus、Speex、AAC、AMR を 8 kHz または 16 kHz で受け付けます。
  • 設計時に織り込むべき制限が 2 つあります。
  • 話者ダイアライゼーションはリアルタイム経路では利用できず(誰が何を話したかが必要なら録音ファイル向けのモデルが必要です)、言語カバレッジはファミリー全体で一様ではなく日付付きのスナップショットごとに大きく異なるため、必要な言語セットに対応するスナップショットをピン留めしてください。
  • Qwen3-ASR ラインの差別化要素である感情ラベル付けもここでは提供されず、コンテキストに基づく精度調整は一部のスナップショットでのみ利用できます。
  • Synthorai は、他の音声カタログと同じ OpenAI 互換インターフェース経由で呼び出せるようにします。

よくある質問

Fun-ASR Realtime API は無料で試せますか?

はい。新規アカウントには 10 回のトライアル呼び出しと最大 $1 の無料クレジットが付与され、カード登録は不要です。支払い方法を追加する前に、実際のワークロードで Fun-ASR Realtime を試すには十分な量です。

Fun-ASR Realtime は何が得意ですか?

長さ上限のないストリーミング文字起こし、ライブ字幕と会議向けに構築、多言語カバレッジを伴うホットワードカスタマイズ。全体像はベンダー公式のリリースノートに基づく「このモデルについて」セクションをご覧ください。

Fun-ASR Realtime の料金はいくらですか?

Synthorai 上の Fun-ASR Realtime は文字起こしする音声 1 分あたり $0.002 です。従量課金でプラットフォーム手数料なし、サブスクリプションも不要です。

Fun-ASR Realtime はどの言語に対応していますか?

Fun-ASR Realtime は 方言を含む多言語対応で 30 言語:中国語(標準中国語、広東語、呉語、閩南語、客家語、贛語、湘語、晋語および各地の訛り)、英語、日本語、韓国語、ベトナム語、タイ語、インドネシア語、マレー語、フィリピン語、ヒンディー語、アラビア語、フランス語、ドイツ語、スペイン語、ポルトガル語、ロシア語、イタリア語、オランダ語、スウェーデン語、デンマーク語、フィンランド語、ノルウェー語、ギリシャ語、ポーランド語、チェコ語、ハンガリー語、ルーマニア語、ブルガリア語、クロアチア語、スロバキア語 に対応しています。Synthorai では POST /v1/audio/transcriptions で呼び出せます。OpenAI 文字起こし API と同じ形式です。

Fun-ASR Realtime を利用するには?

お使いの OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="fun-asr-realtime" を設定すれば完了です。API キー 1 本でゲートウェイ上のすべてのモデルを利用できます。

関連モデル

比較

このページの値はすべてベンダー自身のドキュメント(上部にリンク)から転記し、確認した日付を付しています。価格はカタログ全体で比較しますが、ベンダーごとに定義が異なる仕様値は差異を明記するにとどめ、図表で比較はしません。当社が測定した数値はなく、スコアも付けていません。

API キーを取得 コストを比較する →