Alibaba Cloud: Paraformer 8K v2
paraformer-8k-v2- 価格
- 価格 $0.000012
- モダリティ
- オーディオ
Paraformer 8K v2 について
Paraformer 8K v2は、主に中国語の通話音声である8 kHzの電話録音向けに調整されたAlibabaのファイル文字起こしモデルです。Paraformer v2のナローバンド版であり、ソースが電話回線やコールセンターのアーカイブである場合はこれを使用し、より広帯域な会議音声には通常版を使用してください。タイムスタンプは常に付与され、話者分離(ダイアライゼーション)やホットワード機能も利用可能です。
得意なこと
- 8 kHzの電話音声用に構築されているため、コールセンターの録音を文字起こしする前にアップサンプリングする必要はありません。
- タイムスタンプが常に返されるため、通話内の特定箇所にジャンプして品質を確認する作業に適しています。
- 話者分離機能により、2者間通話のオペレーターと顧客を分けることができます。
- カスタムホットワードは、通話中に繰り返し登場する製品名、プラン名、専門用語の認識に役立ちます。
他のモデルを検討すべきケース
- ナローバンドの電話音声が対象です。広帯域の会議やスタジオ録音にはParaformer v2の方が適しています。
- オフラインのファイルモデルであるため、通話中のリアルタイムキャプションにはParaformer Realtime 8K v2が必要です。
はじめに
最初のキーを作成
Consoleでキーを作成すれば、プラットフォーム内のすべてのモデルで使えます。
最初のリクエストを送信する
お使いの言語の例をコピーして、エンドポイントに対して実行してください。
音声からテキストへTokenLab エンドポイントPOST/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"
パラメータ
音声からテキストへ
| パラメーター | 値と制限 | デフォルト | 注記 |
|---|---|---|---|
file | 入力数: ≥ 1, ≤ 1 | 未提供 | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | 未提供 | 未提供 | 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 | 未提供 | 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. |
料金
Verified 価格は Verified に適用され、多くのモデルでより低コストです。Official 価格はモデルのメーカーが公表する価格で、信頼性の高い Official ルートに適用されます。Auto はリクエストを完了したルートの価格で課金します。
音声からテキストへ
1秒あたり- Official 価格
- $0.00001176
- Verified 価格
- —
- 割引
- —
| Official 価格1秒あたり | Verified 価格1秒あたり | 割引 | |
|---|---|---|---|
| 音声からテキストへ | $0.00001176 | — | — |
使用状況とアクティビティ
成功率は完了したリクエストの割合です。レイテンシは完全なレスポンスにかかる時間で、P95 は 95% のリクエストがその時間内に完了したことを意味します。
使用量と可用性
過去24時間- リクエスト数
- 成功率
- P95 レイテンシ
- 合計トークン数
データはステータスチェックを除外した、集計済みのユーザーリクエストに基づいています。
Consoleで開く
ConsoleでParaformer 8K v2を開き、プロンプトを編集・送信できます。
paraformer-8k-v2と/v1/audio/transcriptionsで音声をテスト。結果とコストを表示します。
ユースケース
コールセンターのアーカイブ
保存された顧客通話を文字起こしし、品質スコアリング、コンプライアンスレビュー、キーワード検索に活用します。
オペレーターと顧客の分離
話者分離を使用して2者間のトランスクリプトを作成し、それぞれの要望を個別に要約します。
紛争の証拠
テキストの横にタイムスタンプを残すことで、レビュー担当者が紛争のあった発言の正確な瞬間を見つけて再生できるようにします。
プロンプト例
この8 kHzの中国語通話録音を文字起こしし、オペレーターと顧客を分離してください。
ホットワードを使用して、保存されているこれらのローン回収通話を文字起こししてください。
この電話インタビューを文字起こしし、すべての文にタイムスタンプを返してください。
FAQ
paraformer-8k-v2の「8k」とは何ですか?
一般的な電話音声のレートである8 kHzサンプリングを指します。このモデルは、広帯域ソースではなく、主に中国語の通話録音のようなナローバンド素材向けに調整されています。
会議の録音に使ってもいいですか?
通常は推奨しません。ノートパソコンや会議室のマイクで録音された会議音声は広帯域であり、Paraformer v2が適したモデルです。ソースが実際に電話通話である場合にのみ8Kバージョンを使用してください。
このモデルでタイムスタンプをオフにすることはできますか?
いいえ。Alibabaによると、Paraformerファイルモデルではタイムスタンプが常に有効であり、オフにすることはできません。そのため、このモデルが返すすべてのトランスクリプトにはテキストと共にタイムスタンプが含まれます。
ライブ通話を文字起こしできますか?
ストリーム形式ではできません。これはオフラインのファイルモデルです。ライブの電話音声には、ナローバンド音声のストリームを受け付けるParaformer Realtime 8K v2を使用してください。
Paraformer 8K v2 の料金はいくらですか?
TokenLab では Paraformer 8K v2 は $0.00001176 1秒あたり です。詳細は上の料金表を参照してください。 料金は課金単位・仕様・使用量によって異なります。モデルの詳細な料金で同条件同士を比較してください。単一のレートで総額は決まりません。
Paraformer 8K v2 はどのエンドポイントを使うべきですか?
Paraformer 8K v2 のデフォルトは https://api.tokenlab.sh/v1/audio/transcriptions です。プロバイダーネイティブ形式に対応している場合は、API workbench にそのエンドポイントも表示されます。
Paraformer 8K v2 はどの操作に対応していますか?
Paraformer 8K v2 は 音声からテキストへ に対応しています。上の API workbench で操作を選ぶと、対応するエンドポイントとコード例が表示されます。
Paraformer 8K v2 を比較する
ソース
- Model Studio: recording file recognition models
- Model Studio: speech-to-text models for real-time and file transcription
2026/10/02 時点での評価