Alibaba: Paraformer Realtime 8K v2

Paraformer Realtime 8K v2 erkennt chinesische Sprache aus einem Live-Telefon-Audiostream. Es ist nützlich für Call-Center-Untertitel und In-Call-Unterstützung, die mit Schmalband-Telefonie-Eingaben arbeiten müssen.

Modelle vergleichen

paraformer-realtime-8k-v2

VerfügbarAlibabaSprache zu TextSynchron

Preis: Ab $0.000035
Modalitäten: Audio

Über Paraformer Realtime 8K v2

Paraformer Realtime 8K v2 ist Alibabas Streaming-Erkenner für chinesische Live-Telefon-Audiosignale mit 8 kHz. Er kombiniert das Echtzeitverhalten von Paraformer Realtime v2 mit der Schmalband-Optimierung von Paraformer 8K v2. Wählen Sie dieses Modell, wenn ein Anruf läuft und ein Agenten-Bildschirm, Untertitel oder ein Assistent Text vor Ende des Anrufs benötigt.

Stärken

Gibt Text zurück, während ein Telefonat noch läuft, sodass Agenten das Gespräch in Echtzeit verfolgen können.
Optimiert für 8-kHz-Schmalband-Eingangssignale, passend zu der Audioqualität, die Telefonsysteme tatsächlich liefern.
Unterstützt Hotwords für wiederkehrende Produkt- und Filialnamen in Live-Gesprächen.
Einstellungen zur Spracherkennung steuern, wie schnell Sätze abgeschlossen werden.

Alternativen

Es ist auf Schmalband-Telefon-Audio ausgerichtet; Breitbandmikrofone passen besser zu Paraformer Realtime v2.
Streaming-Ergebnisse können nicht durch späteres Audio korrigiert werden; verwenden Sie daher Paraformer 8K v2 für das endgültige Archiv-Transkript.

Erste Schritte

API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.

Senden Sie Ihre erste Anfrage

Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.

Sprache zu TextWebSocket

WS/v1/realtime

// npm install ws
import WebSocket from 'ws';

const socket = new WebSocket("wss://api.tokenlab.sh/v1/realtime?model=paraformer-realtime-8k-v2", {
  headers: { Authorization: "Bearer sk-xxx" }
});

socket.on('open', () => {
  // Send the input events supported by this model with socket.send(...).
  // https://tokenlab.sh/docs/en/api-reference/realtime/connect
});
socket.on('message', (data) => console.log(data.toString()));
socket.on('error', (error) => console.error(error));
socket.on('close', (code, reason) => console.log(code, reason.toString()));

// Close the session when finished.
process.on('SIGINT', () => socket.close());

Preise

Der offizielle Preis ist die öffentliche Basisvorgabe des Modellerstellers. Der TokenLab-Preis ist das, was du für dieses Modell auf TokenLab zahlst.

Echtzeit / Sprache zu Text

pro Sekunde

Offizieller Preis: $0.00003529
Official: $0.00003529
Rabatt: —

	Offizieller Preispro Sekunde	Officialpro Sekunde	Rabatt
Echtzeit / Sprache zu Text	$0.00003529	$0.00003529	—

Nutzung & Aktivität

Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.

Nutzung & Verfügbarkeit

Letzte 24 Stunden

Anfragen
Erfolgsrate
P95-Latenz
Token gesamt

Modellleistung

Zuletzt aktualisiert 3. Okt. 2026, 19:28 UTC

Metriken erscheinen, sobald die Schwellenwerte für Datenschutz und Datenvolumen erreicht sind.

Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.

In Console öffnen

Öffne Paraformer Realtime 8K v2 in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.

Teste paraformer-realtime-8k-v2 mit einer kurzen Audio-Anfrage an /v1/realtime. Zeige Ergebnis und Kosten.

Anwendungsfälle

Agenten-Unterstützung
Speisen Sie den Live-Gesprächstext in ein Sprachmodell ein, das während des Gesprächs Antworten vorschlägt oder Richtlinien-Ausschnitte einblendet.
Live-Anrufüberwachung
Markieren Sie Compliance-Phrasen oder Eskalations-Schlüsselwörter, während der Anruf noch aktiv ist.
Notizen während des Anrufs
Erstellen Sie eine fortlaufende Notiz für den Agenten, die bei Gesprächsende vollständig ist.

Prompt-Beispiele

Streamen Sie diesen Live-Support-Anruf auf Mandarin mit 8 kHz und zeigen Sie den Text an, sobald jeder Satz beendet ist.

Transkribieren Sie ein laufendes Verkaufsgespräch live, mit Hotwords für unsere drei Tarifnamen.

Streamen Sie das Anruf-Audio und markieren Sie den Moment, in dem der Kunde „stornieren“ sagt.

FAQ

Wie unterscheidet es sich von Paraformer Realtime v2?

Die 8K-Version ist auf Schmalband-Telefon-Audio mit 8 kHz Abtastrate optimiert, während Paraformer Realtime v2 allgemeines Breitband-Live-Audio wie von Mikrofonen verarbeitet. Wählen Sie das Modell passend zu Ihrer Audioquelle.

Wie unterscheidet es sich von Paraformer 8K v2?

Beide zielen auf Telefon-Audio ab, aber dieses Modell streamt und liefert Text während des Anrufs, während Paraformer 8K v2 eine fertige Aufnahme aus einer Datei transkribiert.

Wie wird das Audio gesendet?

Über eine Streaming-WebSocket-Sitzung unter Verwendung von Alibabas DashScope SDK oder dem Raw-Protokoll. Sie senden Audio-Chunks und erhalten Erkennungsereignisse, während der Anruf andauert.

Funktioniert es nur für Chinesisch?

Alibabas Beschreibung konzentriert sich auf chinesische Telefonsprache. Überprüfen Sie jede andere Sprache anhand Ihrer eigenen Anrufbeispiele, bevor Sie sich darauf verlassen, da Schmalband-Audio die Erkennung für jede Sprache erschwert.

Was kostet Paraformer Realtime 8K v2?

Auf TokenLab kostet Paraformer Realtime 8K v2 $0.00003529 pro Sekunde. Die vollständige Aufschlüsselung steht in der Preistabelle oben. Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.

Welchen Endpunkt soll Paraformer Realtime 8K v2 verwenden?

Verwenden Sie https://api.tokenlab.sh/v1/realtime für Paraformer Realtime 8K v2. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.

Welche Operationen unterstützt Paraformer Realtime 8K v2?

Paraformer Realtime 8K v2 unterstützt Sprache zu Text. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.