Fun-ASR 是阿里云 Model Studio 的录音文件语音识别模型,面向预录音频的离线转写。
- 输入
- 音频
- 输出
- 文本
- 价格
- $0.0021/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 | 支持 |
| 流式转写 | 不支持 |
| 时间戳 | 支持 |
模型
| 模态 | 音频 → 文本 |
|---|
- 2025-12 新增歌唱识别
- 开源的 Fun-ASR-Nano 与这里提供服务的权重是不同的模型
30 秒用上 Fun-ASR
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",
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",
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" \
-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",
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")
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());关于 Fun-ASR
- 它接受最长 12 小时、最大 2 GB 的文件,支持单文件和批量任务,可识别中文(普通话及粤语、吴语、闽南语等多种地方方言)、英语、日语、韩语和数十种其他语言。
- 官方文档强调面向领域术语的热词定制和多说话人录音的说话人分离。
- 两者都带有值得事先了解的实用细节:热词表最多容纳 500 条,适合很少变动的术语;说话人分离默认关闭,需要显式开启,并可声明预期的说话人数量;阿里建议把做分离的音频控制在约两小时以内,否则任务可能超时。
- 转写是异步的(提交文件、拿到任务 id、轮询结果),毫秒级的句级和词级时间戳作为标配返回,另有敏感词过滤和面向多轨录音的声道选择。
- 情绪标注不属于该模型,那是 Qwen3-ASR 产品线的能力。
- 语言提示可以传入,但文档指出只会读取列表中的第一个值。
- Synthorai 通过其 OpenAI 兼容端点提供 Fun-ASR,现有转写客户端无需修改即可使用。
常见问题
Fun-ASR 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 试一遍。
Fun-ASR 最擅长什么?
接受最长 12 小时的文件、面向领域术语的热词定制、多说话人录音的说话人分离。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 的价格是多少?
在 Synthorai 上,Fun-ASR 每转写一分钟音频收费 $0.0021:按量付费,无平台加价,无需订阅。
Fun-ASR 支持哪些语言?
Fun-ASR 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?
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "fun-asr" 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。