Alibaba: Paraformer 8K v2

Paraformer 8K v2 được xây dựng cho các bản ghi âm điện thoại tiếng Trung được lấy mẫu ở tần số 8 kHz. Đây là lựa chọn tập trung để phiên âm các kho lưu trữ cuộc gọi nơi âm thanh đến từ điện thoại thay vì micrô chất lượng phòng thu.

So sánh mô hình

paraformer-8k-v2

Sẵn sàngAlibabaChuyển đổi giọng nói thành văn bảnĐồng bộ / Bất đồng bộ

Giá: Từ $0.000012
Phương thức: Âm thanh

Về Paraformer 8K v2

Paraformer 8K v2 là mô hình chuyển đổi tệp thành văn bản của Alibaba, được tinh chỉnh cho các bản ghi âm điện thoại 8 kHz, chủ yếu là âm thanh cuộc gọi tiếng Trung. Đây là phiên bản băng hẹp của Paraformer v2: hãy sử dụng nó khi nguồn là đường dây điện thoại hoặc kho lưu trữ tổng đài, và sử dụng phiên bản tổng quát cho âm thanh cuộc họp băng rộng hơn. Dấu thời gian (timestamps) luôn được bật, đồng thời có sẵn tính năng phân tách người nói (diarization) và từ khóa ưu tiên (hotwords).

Ưu điểm

Được xây dựng cho điện thoại 8 kHz, vì vậy các bản ghi âm tổng đài không cần lấy mẫu lại trước khi chuyển đổi.
Dấu thời gian luôn được trả về, phù hợp cho việc kiểm tra chất lượng cần nhảy đến một vị trí cụ thể trong cuộc gọi.
Phân tách người nói có thể tách biệt nhân viên và khách hàng trong cuộc gọi hai bên.
Từ khóa ưu tiên tùy chỉnh giúp ích với tên sản phẩm, tên gói dịch vụ và các thuật ngữ chuyên ngành lặp lại trong cuộc gọi.

Khi nào nên chọn model khác

Nó nhắm đến âm thanh điện thoại băng hẹp; các bản ghi âm cuộc họp hoặc phòng thu băng rộng sẽ được xử lý tốt hơn bởi Paraformer v2.
Đây là mô hình xử lý tệp ngoại tuyến, vì vậy phụ đề cuộc gọi trực tiếp cần sử dụng Paraformer Realtime 8K v2.

Bắt đầu

Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.

Gửi yêu cầu đầu tiên của bạn

Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.

Giọng nói sang văn bảnĐiểm cuối TokenLab

POST/v1/audio/transcriptions

curl -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"

Giá

Giá Official là mức giá công khai của nhà phát triển. Giá TokenLab là số tiền bạn trả cho mô hình này trên TokenLab.

Giọng nói sang văn bản

mỗi giây

Giá niêm yết: $0.00001176
Official: $0.00001176
Giảm giá: —

	Giá niêm yếtmỗi giây	Officialmỗi giây	Giảm giá
Giọng nói sang văn bản	$0.00001176	$0.00001176	—

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua

Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token

Hiệu năng mô hình

Cập nhật lần cuối 19:24 UTC 3 thg 10, 2026

Các chỉ số sẽ xuất hiện sau khi đạt ngưỡng về quyền riêng tư và khối lượng dữ liệu.

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở Paraformer 8K v2 trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi thử paraformer-8k-v2 với yêu cầu âm thanh ngắn tại /v1/audio/transcriptions. Hiển thị kết quả và chi phí.

Tình huống sử dụng

Kho lưu trữ tổng đài
Chuyển đổi các cuộc gọi khách hàng đã lưu trữ để phục vụ chấm điểm chất lượng, kiểm tra tuân thủ và tìm kiếm từ khóa.
Tách biệt nhân viên và khách hàng
Sử dụng phân tách người nói để tạo bản ghi hai bên, sau đó tóm tắt yêu cầu của mỗi bên một cách riêng biệt.
Bằng chứng tranh chấp
Giữ dấu thời gian bên cạnh văn bản để người đánh giá có thể tìm và phát lại đúng thời điểm của một tuyên bố gây tranh cãi.

Ví dụ prompt

Chuyển đổi bản ghi cuộc gọi tiếng Quan Thoại 8 kHz này và tách biệt nhân viên với khách hàng.

Chuyển đổi các cuộc gọi thu hồi nợ đã lưu trữ này bằng cách sử dụng từ khóa ưu tiên cho tên sản phẩm của chúng tôi.

Chuyển đổi cuộc phỏng vấn qua điện thoại này và trả về dấu thời gian cho mỗi câu.

FAQ

8k trong paraformer-8k-v2 nghĩa là gì?

Nó đề cập đến tốc độ lấy mẫu 8 kHz, tốc độ của âm thanh điện thoại thông thường. Mô hình được tinh chỉnh cho loại dữ liệu băng hẹp đó, chủ yếu là các bản ghi cuộc gọi tiếng Trung, thay vì các nguồn băng rộng.

Tôi có nên sử dụng nó cho các bản ghi cuộc họp không?

Thường là không. Âm thanh cuộc họp ghi bằng máy tính xách tay hoặc micrô phòng là băng rộng, và Paraformer v2 là mô hình phù hợp. Hãy sử dụng phiên bản 8K khi nguồn thực sự là một cuộc gọi điện thoại.

Dấu thời gian có phải là tùy chọn trên mô hình này không?

Không. Alibaba tuyên bố rằng dấu thời gian được bật vĩnh viễn cho các mô hình tệp Paraformer và không thể tắt, vì vậy mọi bản ghi mà mô hình này trả về đều đi kèm với văn bản.

Nó có thể chuyển đổi một cuộc gọi trực tiếp không?

Không phải dưới dạng luồng trực tiếp. Đây là mô hình tệp ngoại tuyến. Đối với âm thanh điện thoại trực tiếp, hãy sử dụng Paraformer Realtime 8K v2, mô hình chấp nhận luồng âm thanh băng hẹp.

Paraformer 8K v2 có giá bao nhiêu?

Trên TokenLab, Paraformer 8K v2 có giá $0.00001176 mỗi giây. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

Paraformer 8K v2 nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1/audio/transcriptions làm mặc định cho Paraformer 8K v2. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

Paraformer 8K v2 hỗ trợ những thao tác nào?

Paraformer 8K v2 hỗ trợ Giọng nói sang văn bản. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.