Alibaba: Paraformer Realtime 8K v2
paraformer-realtime-8k-v2- 価格
- 価格 $0.000035
- モダリティ
- オーディオ
Paraformer Realtime 8K v2 について
Paraformer Realtime 8K v2は、8 kHzの中国語電話音声に対応したAlibabaのストリーミング音声認識モデルです。Paraformer Realtime v2のリアルタイム処理能力と、Paraformer 8K v2の狭帯域チューニングを組み合わせています。通話中にエージェントの画面、キャプション、またはアシスタントへ通話終了前にテキストを提供する必要がある場合に適しています。
得意なこと
- 通話中にテキストを返すため、エージェントは会話の内容をリアルタイムで確認できます。
- 実際の電話システムで提供される8 kHzの狭帯域入力に合わせて調整されています。
- ライブ通話で頻出する製品名や支店名などのホットワードをサポートしています。
- 音声区間検出(VAD)設定により、文を確定させるタイミングを制御できます。
他のモデルを検討すべきケース
- 狭帯域の電話音声を対象としています。広帯域マイクを使用する場合は、Paraformer Realtime v2の方が適しています。
- ストリーミング結果は後続の音声から修正できないため、最終的なアーカイブ用トランスクリプトにはParaformer 8K v2を使用してください。
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WebSocketWS/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());
料金
Official価格はモデル提供者の公開基準です。TokenLab価格はTokenLabでのご利用料金です。
リアルタイム / 音声からテキストへ
1秒あたり- 公式価格
- $0.00003529
- Official
- $0.00003529
- 割引
- —
| 公式価格1秒あたり | Official1秒あたり | 割引 | |
|---|---|---|---|
| リアルタイム / 音声からテキストへ | $0.00003529 | $0.00003529 | — |
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 Realtime 8K v2を開き、プロンプトを編集・送信できます。
paraformer-realtime-8k-v2と/v1/realtime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
エージェントアシスト
ライブ通話のテキストを言語モデルに送り、会話中に回答の提案やポリシーの要約を表示します。
ライブ通話モニタリング
通話中にコンプライアンス上のフレーズやエスカレーションのキーワードをフラグ付けします。
通話中のメモ
通話終了時に完成する、エージェント用の進行中のメモを作成します。
プロンプト例
このライブ8 kHz中国語サポート通話をストリーミングし、各文が完了するたびにテキストを表示します。
進行中のセールス通話をライブで文字起こしし、3つのプラン名をホットワードとして設定します。
通話音声をストリーミングし、顧客が「キャンセル」と言った瞬間を記録します。
FAQ
Paraformer Realtime v2との違いは何ですか?
8Kバージョンは8 kHzでサンプリングされた狭帯域の電話音声用に調整されていますが、Paraformer Realtime v2はマイクなどの一般的な広帯域ライブ音声を扱います。音声のソースに合わせてモデルを選択してください。
Paraformer 8K v2との違いは何ですか?
どちらも電話音声を対象としていますが、本モデルは通話中にストリーミングしてテキストを返すのに対し、Paraformer 8K v2はファイル化された録音データを文字起こしします。
音声はどのように送信されますか?
AlibabaのDashScope SDKまたはRawプロトコルを使用したストリーミングWebSocketセッション経由で行います。音声チャンクを送信すると、通話の継続に合わせて認識イベントが返されます。
中国語専用ですか?
Alibabaの説明は中国語の電話音声を中心に構成されています。狭帯域音声はどの言語でも認識が困難になるため、導入前に必ず独自の通話サンプルで他の言語の動作を確認してください。
Paraformer Realtime 8K v2 の料金はいくらですか?
TokenLab では Paraformer Realtime 8K v2 は $0.00003529 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 Realtime 8K v2 はどのエンドポイントを使うべきですか?
Paraformer Realtime 8K v2 のデフォルトは https://api.tokenlab.sh/v1/realtime 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 Realtime 8K v2 はどの操作に対応していますか?
Paraformer Realtime 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 Realtime 8K v2 を比較する
ソース
- Model Studio: real-time speech recognition
- Model Studio: speech-to-text models for real-time and file transcription
2026/10/02 時点での評価