Chọn Auto, TokenLab Verified hoặc Official cho mỗi yêu cầu, với giá được hiển thị ngay từ đầu. Xem có gì mới

Alibaba Cloud: Paraformer v2

Paraformer v2 phiên âm âm thanh đã ghi để xử lý ngoại tuyến. Nó hữu ích cho các kho lưu trữ cuộc họp và các bản ghi hội thoại dài hơn cần một bản phiên âm bằng văn bản có thể tái sử dụng sau khi phiên họp kết thúc.
So sánh mô hình
paraformer-v2
Sẵn sàngAlibaba CloudChuyển đổi giọng nói thành văn bảnĐồng bộ / Bất đồng bộ
Giá
Từ $0.000012
Phương thức
Âm thanh

Về Paraformer v2

Paraformer v2 là mô hình nhận dạng giọng nói dựa trên tệp của Alibaba dành cho việc chép lời ngoại tuyến các cuộc họp và hội thoại dài. Mô hình này được gọi theo phương thức bất đồng bộ. Dịch vụ tệp gốc của Alibaba hỗ trợ các bản ghi âm lên đến 2 GB và 12 giờ, trong khi điểm cuối tải lên được liên kết tại đây có giới hạn riêng là 25 MB. So với các mô hình thời gian thực, nó đánh đổi tính tức thời để lấy một bản chép lời hoàn chỉnh.

Ưu điểm

  • Dịch vụ tệp gốc của Alibaba hỗ trợ các bản ghi âm lên đến 12 giờ hoặc 2 GB; điểm cuối tải lên được liên kết tại đây chấp nhận các tệp có dung lượng tối đa 25 MB.
  • Dấu thời gian luôn được bao gồm, vì vậy không cần tùy chọn bổ sung nào để có được chúng.
  • Alibaba ghi nhận tính năng phân tách người nói (speaker diarization) là một tùy chọn gốc cho các cuộc họp; tính năng này không có trong chi tiết mô hình được liên kết tại đây.
  • Alibaba ghi nhận tính năng lọc từ nhạy cảm là một tùy chọn gốc; tính năng này không có trong chi tiết mô hình được liên kết tại đây.

Khi nào nên chọn model khác

  • Kết quả sẽ trả về sau khi công việc hoàn tất; phụ đề trực tiếp cần sử dụng Paraformer Realtime v2.
  • Đối với các bản ghi âm điện thoại 8 kHz, biến thể 8K khớp với âm thanh tốt hơn.

Bắt đầu

  1. Tạo API key

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

  2. 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-v2" \
      -F language="en"

Tham số

Giọng nói sang văn bản

Tham sốGiá trị và giới hạnMặc địnhGhi chú
fileSố đầu vào: ≥ 1, ≤ 1Chưa cung cấpSend one audio file in multipart/form-data. Maximum file size is 25 MiB.
languageChưa cung cấpChưa cung cấpThis 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_formatChưa cung cấpjsonOmit 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.

Giá

Giá Verified áp dụng cho Verified, thường rẻ hơn trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho route Official ổn định hơn. Auto sẽ tính phí dựa trên route hoàn thành yêu cầu.

Giọng nói sang văn bản

mỗi giây
Giá Official
$0.00001176
Giá Verified
—
Giảm giá
—

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
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 v2 trong Console để chỉnh sửa và gửi prompt ngay.

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

Tình huống sử dụng

  • Lưu trữ cuộc họp

    Xử lý các bản ghi âm cuộc họp đã lưu, được chuẩn bị trong giới hạn tải lên, thành văn bản có thể tìm kiếm kèm theo dấu thời gian.

  • Chép lời bài giảng

    Chép lời các bản ghi âm bài giảng được chuẩn bị trong giới hạn tải lên, sau đó lập chỉ mục hoặc tóm tắt văn bản cho sinh viên.

  • Chuẩn bị kiểm duyệt nội dung

    Tính năng che từ nhạy cảm gốc là một tùy chọn của Alibaba, không được liệt kê trong chi tiết mô hình tại đây; hãy lọc văn bản được trả về ở phía bạn.

Ví dụ prompt

Chép lời bản ghi âm cuộc họp toàn thể dài 10 phút này trong giới hạn 25 MB và trả về văn bản.

Chép lời âm thanh của đoạn bài giảng này và trả về văn bản có dấu thời gian.

Chép lời các bản ghi âm cuộc họp giao ban hàng tuần này, mỗi tệp một yêu cầu, và trả về văn bản.

FAQ

Paraformer v2 phù hợp nhất cho việc gì?

Chép lời ngoại tuyến các cuộc họp, phỏng vấn và hội thoại đã ghi âm. Alibaba hỗ trợ các định dạng âm thanh và video phổ biến ở mọi tốc độ lấy mẫu. Hãy chuẩn bị các tệp tải lên trong giới hạn của điểm cuối và theo dõi trạng thái tác vụ được trả về để biết khi nào hoàn tất.

Dữ liệu đầu vào có thể lớn đến mức nào?

Paraformer v2 nhắm đến các cuộc họp và hội thoại dài: dịch vụ tệp gốc của Alibaba hỗ trợ 12 giờ hoặc 2 GB mỗi bản ghi. Điểm cuối tải lên được liên kết tại đây nghiêm ngặt hơn, ở mức 25 MB mỗi tệp, và hạn mức gốc không làm tăng giới hạn này. Hãy chuẩn bị mọi tệp trong kích thước đó và theo dõi từng công việc thông qua trạng thái tác vụ được trả về.

Tôi có thể tắt dấu thời gian không?

Không. Alibaba tuyên bố rằng dấu thời gian luôn được bật cho Paraformer. Hãy kiểm tra các trường trong phản hồi chép lời mà bạn thực sự nhận được trước khi xây dựng dựa trên một cấu trúc thời gian cụ thể.

Paraformer v2 hay Fun-ASR?

Alibaba liệt kê tính năng phân tách người nói và từ khóa ưu tiên cho cả hai như là các tính năng gốc; không tính năng nào có trong chi tiết mô hình được liên kết tại đây. Fun-ASR là dòng mới hơn; Paraformer v2 là dòng đã được thiết lập. Hãy chạy thử một mẫu âm thanh của bạn qua từng mô hình và so sánh các lỗi quan trọng đối với bạn.

Paraformer v2 có giá bao nhiêu?

Trên TokenLab, Paraformer 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 v2 nên dùng endpoint nào?

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

Paraformer v2 hỗ trợ những thao tác nào?

Paraformer 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.

So sánh Paraformer v2

Nguồn

Đánh giá ngày 2 thg 10, 2026

Xem thêm từ Paraformer

Mô hình liên quan