Alibaba Cloud: Paraformer v2
paraformer-v2- 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
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-v2" \ -F language="en"
Parámetros
Voz a texto
| Parámetro | Valores y límites | Predeterminado | Notas |
|---|---|---|---|
file | Entradas: ≥ 1, ≤ 1 | No especificado | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | No especificado | No especificado | This 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_format | No especificado | json | Omit 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
- —
| Precio Officialpor segundo | Precio Verifiedpor segundo | Descuento | |
|---|---|---|---|
| Voz a texto | $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 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
- Model Studio: recording file recognition models
- Model Studio: speech-to-text models for real-time and file transcription
Revisado el 2 oct 2026