Elija Auto, TokenLab Verified o Official para cada solicitud, con los precios mostrados por adelantado. Ver las novedades

Alibaba Cloud: Paraformer v2

Paraformer v2 transcribe audio grabado para procesamiento offline. Es útil para archivos de reuniones y grabaciones de conversaciones más largas que necesitan una transcripción escrita reutilizable después de que la sesión haya terminado.
Comparar modelos
paraformer-v2
DisponibleAlibaba CloudVoz a textoSíncrono / Asíncrono
Precio
Desde $0.000012
Modalidades
Audio

Sobre Paraformer v2

Paraformer v2 es el modelo de reconocimiento de voz basado en archivos de Alibaba para transcripciones offline de reuniones y conversaciones largas. Se invoca de forma asíncrona. El servicio de archivos nativo de Alibaba documenta grabaciones de hasta 2 GB y 12 horas, mientras que el punto de conexión (endpoint) de carga vinculado aquí tiene un límite independiente de 25 MB. En comparación con los modelos en tiempo real, sacrifica la inmediatez por una transcripción completa.

Puntos fuertes

  • El servicio de archivos nativo de Alibaba documenta grabaciones de hasta 12 horas o 2 GB; el punto de conexión de carga vinculado aquí acepta archivos de hasta 25 MB.
  • Las marcas de tiempo (timestamps) siempre están incluidas, por lo que no se necesita ninguna opción adicional para obtenerlas.
  • Alibaba documenta la diarización de hablantes como una opción nativa para reuniones; no se encuentra en los detalles del modelo vinculados aquí.
  • Alibaba documenta el filtrado de palabras sensibles como una opción nativa; no se encuentra en los detalles del modelo vinculados aquí.

Cuándo buscar otra opción

  • Los resultados llegan una vez que el trabajo se completa; los subtítulos en vivo requieren Paraformer Realtime v2.
  • Para grabaciones telefónicas de 8 kHz, la variante 8K se ajusta mejor al audio.

Primeros pasos

  1. Crear clave API

    Genera una clave en Console y úsala con cualquier modelo de la plataforma.

  2. Envía tu primera solicitud

    Copia el ejemplo para tu lenguaje y ejecútalo contra el endpoint.

    Voz a textoEndpoint de TokenLab
    POST/v1/audio/transcriptions
    curl -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-v2" \
      -F language="en"

Parámetros

Voz a texto

ParámetroValores y límitesPredeterminadoNotas
fileEntradas: ≥ 1, ≤ 1No especificadoSend one audio file in multipart/form-data. Maximum file size is 25 MiB.
languageNo especificadoNo especificadoThis field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified.
response_formatNo especificadojsonOmit this field to use json. The current route creates an asynchronous transcription task and returns JSON task status and results. This field does not select an audio output encoding. Other response formats have not been qualified for this model.

Precios

El precio Verified se aplica a Verified, que cuesta menos en la mayoría de los modelos. El precio Official es el precio publicado por el fabricante del modelo y se aplica a la ruta Official, más fiable. Auto factura la ruta que completa la solicitud.

Voz a texto

por segundo
Precio Official
$0.00001176
Precio Verified
—
Descuento
—

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
Desempeño del modelo
Las métricas aparecerán una vez que se alcancen los umbrales de privacidad y volumen de datos.

Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.

Abrir en Console

Abre Paraformer v2 en Console con un prompt listo para editar o enviar.

Ayúdame a probar paraformer-v2 con una solicitud de audio breve en /v1/audio/transcriptions. Muestra el resultado y el coste.

Casos de uso

  • Archivos de reuniones

    Procese grabaciones de reuniones guardadas, preparadas dentro del límite de carga, para convertirlas en texto con marcas de tiempo que se pueda buscar.

  • Transcripciones de conferencias

    Transcriba grabaciones de conferencias preparadas dentro del límite de carga, luego indexe o resuma el texto para los estudiantes.

  • Preparación para la moderación de contenido

    El enmascaramiento nativo de palabras sensibles es una opción de Alibaba, no listada en los detalles del modelo aquí; filtre el texto devuelto por su cuenta.

Ejemplos de prompts

Transcriba esta grabación de una reunión general de 10 minutos dentro del límite de 25 MB y devuelva el texto.

Transcriba el audio de este clip de conferencia y devuelva el texto con marcas de tiempo.

Transcriba estas grabaciones de reuniones diarias (stand-ups) semanales, un archivo por solicitud, y devuelva el texto.

FAQ

¿Para qué es mejor Paraformer v2?

Transcripción offline de reuniones, entrevistas y conversaciones grabadas. Alibaba documenta formatos de audio y video convencionales a cualquier frecuencia de muestreo. Prepare las cargas dentro del límite del punto de conexión y siga el estado de la tarea devuelto para verificar su finalización.

¿Qué tamaño puede tener la entrada?

Paraformer v2 está dirigido a reuniones y conversaciones largas: el servicio de archivos nativo de Alibaba documenta 12 horas o 2 GB por grabación. El punto de conexión de carga vinculado aquí es más estricto, con 25 MB por archivo, y la capacidad nativa no aumenta este límite. Prepare cada archivo dentro de ese tamaño y realice el seguimiento de cada trabajo a través del estado de la tarea devuelto.

¿Puedo desactivar las marcas de tiempo?

No. Alibaba indica que las marcas de tiempo siempre están habilitadas para Paraformer. Inspeccione los campos en la respuesta de transcripción que recibe realmente antes de desarrollar sobre una estructura de tiempo específica.

¿Paraformer v2 o Fun-ASR?

Alibaba enumera la diarización y las palabras clave (hotwords) para ambos como características nativas; ninguna de ellas se encuentra en los detalles del modelo vinculados aquí. Fun-ASR es la línea más reciente; Paraformer v2 es la establecida. Ejecute una muestra de su audio a través de cada uno y compare los errores que sean relevantes para usted.

¿Cuánto cuesta Paraformer v2?

En TokenLab, Paraformer 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 v2?

Utiliza https://api.tokenlab.sh/v1/audio/transcriptions para Paraformer v2. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.

¿Qué operaciones soporta Paraformer v2?

Paraformer v2 admite Voz a texto. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.

Comparar Paraformer v2

Fuentes

Revisado el 2 oct 2026

Más de Paraformer

Modelos relacionados