Paraformer-Realtime-v2 是阿里云上一代实时语音识别模型,通过双向连接流式送入音频、流式返回转写。
- 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 11 个同类模型中的位置
这条线显示该模型的价格,在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。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 | 7 种语言:中文(普通话及粤语、吴语、闽南语和 15 种地方口音)、英语、日语、韩语、德语、法语、俄语 |
|---|---|
| 音频限制 |
|
| 流式转写 | 支持 |
| 时间戳 | 支持 |
模型
| 模态 | 音频 → 文本 |
|---|
以流式为先的 Paraformer 一代,具备热词定制和多语言覆盖。
30 秒用上 Paraformer Realtime v2
OpenAI 兼容: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="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.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: "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());关于 Paraformer Realtime v2
- 它可识别中文普通话及异常广泛的地方方言(粤语、吴语、闽南语、四川话等),外加英语、日语、韩语、德语、法语和俄语,并支持用 language_hints 参数引导语言检测。
- 这是 v2 独有的新增能力,接受任意采样率也是,上一版本要求必须为 16 kHz。
- 阿里的文档现建议新项目使用 Fun-ASR 或 Qwen-ASR,把该模型定位于既有集成。
- 让它仍然好用的是一套成熟的参数面:面向领域词汇的热词表、默认开启的逆文本正则化、默认开启的标点预测并可选语义断句、可配置的最大句子静音时长以决定一句话何时结束,以及可选的口头禅过滤用于剔除语气词(这是 Fun-ASR 实时模型没有在文档中给出的控制项)。
- 句级和词级时间戳以毫秒返回,连接接受 PCM、WAV、MP3、Opus、Speex、AAC 和 AMR。
- 实时路径不提供说话人分离,也没有情绪识别。
- 请把它视作已针对它调优过的流水线的稳定端点,而不是新工作的起点。
- Synthorai 继续通过 OpenAI 兼容端点提供它。
常见问题
Paraformer Realtime v2 API 可以免费试用吗?
可以。新账号可获得 10 次试用调用和最高 $1 的免费额度,无需绑卡。足够在添加付款方式之前,用真实工作负载试一试 Paraformer Realtime v2。
Paraformer Realtime v2 最擅长什么?
音频流入,转写流出、中文地方方言覆盖异常广、language_hints 参数引导检测。完整能力请见「关于」部分,内容取自厂商官方发布说明。
Paraformer Realtime v2 的价格是多少?
在 Synthorai 上,Paraformer Realtime v2 按转写音频每分钟 $0.002 计费,按量付费,无平台加价,无需订阅。
Paraformer Realtime v2 支持哪些语言?
Paraformer Realtime v2 支持 7 种语言:中文(普通话及粤语、吴语、闽南语和 15 种地方口音)、英语、日语、韩语、德语、法语、俄语。在 Synthorai 上通过 POST /v1/audio/transcriptions 调用,即标准 OpenAI 转写 API 形态。
如何开通 Paraformer Realtime v2?
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "paraformer-realtime-v2" 即可。一把 API key 通用网关上的全部模型。
相关模型
对比
本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。