Alibaba: Paraformer 8K v2
paraformer-8k-v2- Precio
- Desde $0.000012
- Modalidades
- Audio
Sobre Paraformer 8K v2
Paraformer 8K v2 es el modelo de transcripción de archivos de Alibaba ajustado para grabaciones telefónicas de 8 kHz, principalmente audio de llamadas en chino. Es el hermano de banda estrecha de Paraformer v2: utilícelo cuando la fuente sea una línea telefónica o un archivo de centro de llamadas, y la versión general para audio de reuniones de banda más ancha. Las marcas de tiempo están siempre activas, y la diarización y las palabras clave (hotwords) están disponibles.
Puntos fuertes
- Diseñado para telefonía de 8 kHz, por lo que las grabaciones de centros de llamadas no necesitan remuestreo antes de la transcripción.
- Las marcas de tiempo siempre se devuelven, lo cual es adecuado para la revisión de calidad que requiere saltar a una posición específica en una llamada.
- La diarización de hablantes puede separar al agente y al cliente en una llamada entre dos partes.
- Las palabras clave personalizadas ayudan con nombres de productos, nombres de planes y términos específicos de la rama que se repiten en las llamadas.
Cuándo buscar otra opción
- Está dirigido a audio telefónico de banda estrecha; las grabaciones de reuniones o de estudio de banda ancha se procesan mejor con Paraformer v2.
- Es un modelo de archivo offline, por lo que los subtítulos en llamadas en vivo requieren Paraformer Realtime 8K v2.
Primeros pasos
Crear clave API
Genera una clave en Console y úsala con cualquier modelo de la plataforma.
Envía tu primera solicitud
Copia el ejemplo para tu lenguaje y ejecútalo contra el endpoint.
Voz a textoEndpoint de TokenLabPOST/v1/audio/transcriptionscurl -X POST "https://api.tokenlab.sh/v1/audio/transcriptions" \ -H "Authorization: Bearer sk-xxx" \ -F file="@audio.mp3" \ -F operation="stt" \ -F response_format="json" \ -F model="paraformer-8k-v2" \ -F language="en"
Precios
El precio oficial es la línea base pública del creador del modelo. El precio de TokenLab es lo que pagas por este modelo en TokenLab.
Voz a texto
por segundo- Precio Official
- $0.00001176
- Official
- $0.00001176
- Descuento
- —
| Precio Officialpor segundo | Officialpor segundo | Descuento | |
|---|---|---|---|
| Voz a texto | $0.00001176 | $0.00001176 | — |
Uso y actividad
La tasa de éxito es la proporción de solicitudes completadas. La latencia es cuánto tarda una respuesta completa; P95 significa que el 95 % de las solicitudes terminaron dentro de ese tiempo.
Uso y disponibilidad
Últimas 24 horas- Solicitudes
- Tasa de éxito
- Latencia P95
- Total de tokens
Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.
Abrir en Console
Abre Paraformer 8K v2 en Console con un prompt listo para editar o enviar.
Ayúdame a probar paraformer-8k-v2 con una solicitud de audio breve en /v1/audio/transcriptions. Muestra el resultado y el coste.
Casos de uso
Archivos de centros de llamadas
Transcriba llamadas de clientes almacenadas para alimentar la puntuación de calidad, la revisión de cumplimiento y la búsqueda por palabras clave.
División entre agente y cliente
Utilice la diarización para producir una transcripción de dos partes y luego resuma las solicitudes de cada lado por separado.
Pruebas de disputa
Mantenga las marcas de tiempo junto al texto para que un revisor pueda encontrar y reproducir el momento exacto de una declaración en disputa.
Ejemplos de prompts
Transcriba esta grabación de llamada en mandarín de 8 kHz y separe al agente del cliente.
Transcriba estas llamadas de cobro de préstamos almacenadas utilizando palabras clave para nuestros nombres de productos.
Transcriba esta entrevista telefónica y devuelva marcas de tiempo para cada oración.
FAQ
¿Qué significa el 8k en paraformer-8k-v2?
Se refiere al muestreo de 8 kHz, la tasa del audio telefónico ordinario. El modelo está ajustado para ese material de banda estrecha, principalmente grabaciones de llamadas en chino, en lugar de fuentes de banda ancha.
¿Debo usarlo para grabaciones de reuniones?
Generalmente no. El audio de reuniones grabado en portátiles o micrófonos de sala es de banda más ancha, y Paraformer v2 es el modelo correspondiente. Utilice la versión 8K cuando la fuente sea realmente una llamada telefónica.
¿Son opcionales las marcas de tiempo en este modelo?
No. Alibaba afirma que las marcas de tiempo están permanentemente habilitadas para los modelos de archivo Paraformer y no se pueden desactivar, por lo que cada transcripción que devuelve este modelo las incluye junto al texto.
¿Puede transcribir una llamada en vivo?
No como flujo (stream). Este es el modelo de archivo offline. Para audio telefónico en vivo, utilice Paraformer Realtime 8K v2, que acepta un flujo de audio de banda estrecha.
¿Cuánto cuesta Paraformer 8K v2?
En TokenLab, Paraformer 8K v2 cuesta $0.00001176 por segundo. La tabla de precios arriba muestra el desglose completo. Las tarifas dependen de la unidad de facturación, la especificación y el uso. Compare condiciones iguales en el precio detallado del modelo; una sola tarifa no determina el coste total.
¿Qué endpoint debe usar Paraformer 8K v2?
Utiliza https://api.tokenlab.sh/v1/audio/transcriptions para Paraformer 8K v2. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.
¿Qué operaciones soporta Paraformer 8K v2?
Paraformer 8K v2 admite Voz a texto. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.
Comparar Paraformer 8K v2
Fuentes
- Model Studio: recording file recognition models
- Model Studio: speech-to-text models for real-time and file transcription
Revisado el 2 oct 2026
