Alibaba: Paraformer Realtime v2

O Paraformer Realtime v2 fornece reconhecimento de fala em streaming para áudio ao vivo. Ele atende a legendas, entrada falada e interfaces de reunião onde a transcrição precisa ser atualizada à medida que as pessoas continuam falando.

Comparar modelos

paraformer-realtime-v2

DisponívelAlibabaFala para TextoSíncrono

Preço: A partir de $0.000035
Modalidades: Áudio

Sobre o Paraformer Realtime v2

O Paraformer Realtime v2 é o reconhecedor de fala em streaming de uso geral da Alibaba, retornando texto enquanto o áudio ainda está chegando. Ele é voltado para legendas, entrada de voz e interfaces de reunião onde a transcrição deve ser atualizada conforme as pessoas continuam falando. Ao contrário da variante 8K, ele não está vinculado à largura de banda telefônica e, ao contrário do Fun-ASR Realtime, pertence à linha Paraformer mais antiga.

Pontos fortes

Atualiza a transcrição continuamente, o que é adequado para legendas ao vivo e telas de reunião.
Funciona em áudio de banda larga geral, como headsets e microfones de sala, não apenas em linhas telefônicas.
Suporta palavras-chave para nomes e termos que aparecem frequentemente em suas sessões.
Fornece carimbos de data/hora (timestamps) com os resultados transmitidos para alinhar legendas.

Quando usar outro modelo

O áudio de 8 kHz com qualidade telefônica é melhor atendido pelo Paraformer Realtime 8K v2.
Streaming significa que não há uma segunda passagem pelo áudio; use um modelo de arquivo quando a precisão final for o mais importante.

Primeiros passos

Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.

Envie sua primeira requisição

Copie o exemplo para sua linguagem e execute-o no endpoint.

Fala para textoWebSocket

WS/v1/realtime

// npm install ws
import WebSocket from 'ws';

const socket = new WebSocket("wss://api.tokenlab.sh/v1/realtime?model=paraformer-realtime-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());

Preço

O preço oficial é a base pública do criador do modelo. O preço TokenLab é o que você paga por este modelo na TokenLab.

Tempo real / Fala para texto

por segundo

Preço oficial: $0.00003529
Official: $0.00003529
Desconto: —

	Preço oficialpor segundo	Officialpor segundo	Desconto
Tempo real / Fala para texto	$0.00003529	$0.00003529	—

Uso e atividade

A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.

Uso e disponibilidade

Últimas 24 horas

Requisições
Taxa de sucesso
Latência P95
Total de tokens

Desempenho do modelo

Última atualização 3 de out. de 2026, 19:24 UTC

As métricas aparecerão assim que os limites de privacidade e volume de dados forem atingidos.

Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.

Abrir no Console

Abra Paraformer Realtime v2 no Console com um prompt pronto para editar ou enviar.

Ajude-me a testar paraformer-realtime-v2 com uma solicitação de áudio em /v1/realtime. Exiba o resultado e custo.

Casos de uso

Legendas de reunião
Exiba uma transcrição ao vivo durante uma reunião por vídeo para que os participantes possam acompanhar ou captar palavras perdidas.
Digitação por voz
Converta ditado em texto em um editor ou formulário conforme o usuário fala.
Legendas de eventos ao vivo
Adicione legendas a uma palestra ou transmissão, atualizando cada frase conforme o orador termina.

Exemplos de prompt

Transmita este áudio de reunião ao vivo e exiba legendas conforme as pessoas falam.

Dite um ticket de suporte por voz e preencha a caixa de texto enquanto falo.

Transmita uma palestra de conferência com palavras-chave para o orador e nomes de produtos.

FAQ

O Paraformer Realtime v2 é para chamadas telefônicas?

Não principalmente. Para áudio telefônico de 8 kHz, a Alibaba oferece o Paraformer Realtime 8K v2. Este modelo visa áudio geral ao vivo de microfones, headsets e software de reunião.

Como ele se compara ao Fun-ASR Realtime?

Ambos fazem streaming. O Fun-ASR Realtime é a linha Fun-ASR mais recente com suporte a dialetos listados, enquanto o Paraformer Realtime v2 é a opção Paraformer estabelecida. Teste ambos em seu áudio e mantenha o que melhor se adaptar.

Qual é o método de integração?

Uma sessão WebSocket através do SDK DashScope ou do protocolo bruto. Seu cliente envia áudio em blocos, e os eventos de reconhecimento retornam continuamente enquanto a sessão permanecer aberta.

Ele pode transcrever um arquivo finalizado?

Ele foi projetado para fluxos (streams). Para gravações finalizadas, use o Paraformer v2, a contraparte baseada em arquivo, que processa o arquivo inteiro e retorna carimbos de data/hora com cada resultado.

Quanto custa o Paraformer Realtime v2?

No TokenLab, Paraformer Realtime v2 custa $0.00003529 por segundo. A tabela de preços acima mostra o detalhamento completo. As tarifas dependem da unidade de cobrança, da especificação e do uso. Compare condições iguais no preço detalhado do modelo; uma única tarifa não determina o custo total.

Qual endpoint o Paraformer Realtime v2 deve usar?

Use https://api.tokenlab.sh/v1/realtime para Paraformer Realtime v2. O exemplo de requisição abaixo mostra o formato de código correspondente.

Quais operações o Paraformer Realtime v2 suporta?

Paraformer Realtime v2 suporta Fala para texto. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.