Alibaba Cloud: Paraformer v2
paraformer-v2- 価格
- 価格 $0.000012
- モダリティ
- オーディオ
Paraformer v2 について
Paraformer v2は、会議や長時間の会話のオフライン文字起こしを目的とした、Alibabaのファイルベース音声認識モデルです。非同期で呼び出されます。Alibabaのネイティブファイルサービスでは最大12時間または2GBまでの録音に対応していますが、ここにリンクされているアップロードエンドポイントには25MBという個別の制限があります。リアルタイムモデルと比較して、即時性の代わりに完全な文字起こしを提供します。
得意なこと
- Alibabaのネイティブファイルサービスは最大12時間または2GBまでの録音に対応していますが、ここにリンクされているアップロードエンドポイントは最大25MBまでのファイルを受け付けます。
- タイムスタンプは常に含まれるため、取得するために特別なオプションは必要ありません。
- Alibabaは会議向けのネイティブオプションとして話者分離(ダイアライゼーション)を文書化していますが、ここにリンクされているモデル詳細には含まれていません。
- Alibabaはネイティブオプションとして機密ワードフィルタリングを文書化していますが、ここにリンクされているモデル詳細には含まれていません。
他のモデルを検討すべきケース
- 結果はジョブ完了後に届きます。ライブキャプションにはParaformer Realtime v2が必要です。
- 8kHzの電話録音には、8Kバリアントの方が音声に適合します。
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-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 v2を開き、プロンプトを編集・送信できます。
paraformer-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
会議アーカイブ
アップロード制限内で準備された保存済みの会議録音を、タイムスタンプ付きの検索可能なテキストに変換します。
講義の文字起こし
アップロード制限内で準備された講義の録音を文字起こしし、学生向けにテキストのインデックス作成や要約を行います。
コンテンツモデレーションの準備
ネイティブの機密ワードマスキングはAlibabaのオプションであり、ここにあるモデル詳細には記載されていません。返されたテキストは各自でフィルタリングしてください。
プロンプト例
この10分間の全社集会録音を25MBの制限内で文字起こしし、テキストを返します。
この講義クリップの音声を文字起こしし、タイムスタンプ付きのテキストを返します。
これらの週次スタンドアップミーティングの録音を1リクエストにつき1ファイルで文字起こしし、テキストを返します。
FAQ
Paraformer v2は何に最適ですか?
録音された会議、インタビュー、会話のオフライン文字起こしです。Alibabaは、あらゆるサンプルレートの主要な音声および動画フォーマットに対応していると文書化しています。エンドポイントの制限内でアップロードファイルを準備し、返されるタスクステータスに従って完了を確認してください。
入力サイズはどのくらいまで可能ですか?
Paraformer v2は長時間の会議や会話を対象としています。Alibabaのネイティブファイルサービスでは、録音1件あたり12時間または2GBまで対応しています。ここにリンクされているアップロードエンドポイントはより厳しく、1ファイルあたり25MBまでとなっており、ネイティブの許容量によってこの制限が引き上げられることはありません。各ファイルをそのサイズ内に収めて準備し、返されるタスクステータスを通じて各ジョブを追跡してください。
タイムスタンプをオフにできますか?
いいえ。Alibabaは、Paraformerではタイムスタンプが常に有効であると明記しています。特定のタイミング構造に基づいて構築を行う前に、実際に受け取る文字起こしレスポンスのフィールドを確認してください。
Paraformer v2とFun-ASRのどちらが良いですか?
Alibabaは両方のネイティブ機能として話者分離とホットワードを挙げていますが、いずれもここにリンクされているモデル詳細には含まれていません。Fun-ASRは新しいラインであり、Paraformer v2は確立されたモデルです。それぞれのモデルで音声サンプルを実行し、重要視するエラーを比較してください。
Paraformer v2 の料金はいくらですか?
TokenLab では Paraformer 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 v2 はどのエンドポイントを使うべきですか?
Paraformer 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 v2 はどの操作に対応していますか?
Paraformer 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 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