Fun-ASR Realtime 是阿里的流式语音识别模型:音频通过持久连接送入,文本以低延迟流式返回,流的时长没有上限。
- 输入
- 音频
- 输出
- 文本
- 价格
- $0.002/min
价格在同类中的位置
价格在 12 个同类模型中的位置
这条线标出该模型的价格在 Synthorai 同类模型中的位置,两端分别是最便宜和最贵的模型。这里是基础价,批量、区域和缓存写入的折扣见价格页。
规格与限制
音频
| 语言 | 多语言并覆盖方言,共 30 种语言:中文(普通话、粤语、吴语、闽南语、客家话、赣语、湘语、晋语及各地口音)、英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚语、保加利亚语、克罗地亚语、斯洛伐克语 |
|---|---|
| 音频限制 |
|
| 说话人分离 | 不支持 |
| 流式转写 | 支持 |
| 时间戳 | 支持 |
模型
| 模态 | 音频 → 文本 |
|---|
文档在实时指南中还描述了 7 类情绪识别。
30 秒用上 Fun-ASR Realtime
兼容 OpenAI:换掉 base_url,SDK 不用改。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)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: "fun-asr-realtime",
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="fun-asr-realtime" \
-F file=@meeting.mp3package 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: "fun-asr-realtime",
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("fun-asr-realtime")
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());关于 Fun-ASR Realtime
- 官方文档把它定位于实时字幕、语音助手和会议转写,它继承了 Fun-ASR 家族的热词定制优势和多语言覆盖,包括中文地方方言、英语、日语和韩语。
- 实时接口增加了基于文件的模型不需要的控制项:语义断句、默认开启的标点预测、决定一句话何时结束的可调最大句子静音时长、用于对抗背景声的语音噪声阈值,以及随流实时输出的词级时间戳。
- 音频以 PCM、WAV、MP3、Opus、Speex、AAC 或 AMR 格式在 8 或 16 kHz 下送入。
- 有两项限制值得在设计时绕开:实时路径不提供说话人分离(要区分谁说了什么,需要用录音文件模型);语言覆盖并非全家族统一,而是随带日期的快照大幅变化,因此请固定你所需语言集合对应的那个快照。
- 作为 Qwen3-ASR 产品线差异点的情绪标注在这里同样不提供,基于上下文的准确率调优也只在部分快照上可用。
- Synthorai 让它可通过与其音频目录其余部分相同的 OpenAI 兼容接口调用。
常见问题
Fun-ASR Realtime API 可以免费试用吗?
可以。新账号有 10 次试用调用,免费额度最高 $1,无需绑卡。在绑定付款方式之前,足够拿真实负载把 Fun-ASR Realtime 试一遍。
Fun-ASR Realtime 最擅长什么?
流式转写,时长无上限、为实时字幕与会议打造、热词定制,多语言覆盖。完整介绍见「关于」部分,内容取自供应商的官方发布说明。
Fun-ASR Realtime 的价格是多少?
在 Synthorai 上,Fun-ASR Realtime 每转写一分钟音频收费 $0.002:按量付费,无平台加价,无需订阅。
Fun-ASR Realtime 支持哪些语言?
Fun-ASR Realtime 支持 多语言并覆盖方言,共 30 种语言:中文(普通话、粤语、吴语、闽南语、客家话、赣语、湘语、晋语及各地口音)、英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚语、保加利亚语、克罗地亚语、斯洛伐克语。在 Synthorai 上通过 POST /v1/audio/transcriptions 调用,请求格式与 OpenAI 转写 API 相同。
如何开通 Fun-ASR Realtime?
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "fun-asr-realtime" 即可。一个 API key 就能调用网关上的全部模型。
相关模型
对比
本页的每个数值都照录自供应商自己的文档(链接见上),并标有核对日期。价格是在整个目录范围内比较的;各家供应商定义不一样的规格项,只说明差异,不画图对比。这里没有任何一项是我们自己测的,也不打分。