Fish Audio: Fish Transcribe-1
fish-transcribe-1- 價格
- 起 $0.0001
- 模態
- 音訊
關於 Fish Transcribe-1
Fish Transcribe-1 是 Fish Audio 用於短錄音的通用語音轉文字模型。您上傳音訊檔案後，即可獲得轉錄文字、錄音時長，以及在要求時提供逐字的時間戳記片段。語言會自動偵測，並可選填語言提示。它與 Transcribe-1 Pro 並列，後者是 Fish Audio 推薦用於長篇、多說話者對話且帶有情緒標記的場景。
適用場景
- 回應包含音訊的報告時長以及文字，這有助於帳單核對和字幕對齊。
- 當您要求時間戳記時，可提供逐字開始和結束時間，以便將轉錄內容切割為字幕。
- 原始檔案會按原樣發送：WAV、MP3、AAC、FLAC、Ogg、WebM/Matroska 或 MOV 無需事先轉換。
- 語言會自動偵測，因此混合錄音批次無需為每個檔案指定語言。
其他選擇建議
- Fish Audio 將此模型定位於短錄音；多說話者或長音訊建議使用 Transcribe-1 Pro，該模型提供說話者標記和情緒標記。
- 它適用於上傳的檔案，因此即時麥克風串流需要使用即時語音轉文字模型。
- AIFF、CAF、WMA、AMR 和原始 PCM 等格式不被接受，必須在上傳前進行轉換。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
語音轉文字TokenLab 端點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="fish-transcribe-1" \ -F language="en"
參數設定
語音轉文字
| 參數 | 可選值與限制 | 預設值 | 說明 |
|---|---|---|---|
file | 輸入數量：≥ 1, ≤ 1 | 未提供 | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
response_format | json | json | 未提供 |
定價
Verified 價格用於 Verified，多數模型更便宜；Official 價格是模型廠商公布的價格，用於更穩定的 Official。Auto 按最終完成請求的線路計價。
語音轉文字
每秒- Official 價格
- $0.0001
- Verified 價格
- —
- 折扣
- —
| Official 價格每秒 | Verified 價格每秒 | 折扣 | |
|---|---|---|---|
| 語音轉文字 | $0.0001 | — | — |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 Fish Transcribe-1，並準備好編輯或發送提示詞。
協助我使用 fish-transcribe-1 透過 /v1/audio/transcriptions 進行音訊請求，並顯示結果與成本。
應用情境
語音訊息轉錄
將短語音備忘錄、客服通話片段和錄音備忘錄轉換為可搜尋的文字，並附上時長。
字幕草稿
要求短片段的逐字時間戳記，並將其分組為字幕行以供審查。
語音輸入表單
轉錄來自行動應用程式的語音回答，並將文字傳遞給填寫結構化欄位的模型。
多語言存檔
透過單一端點運行不同語言的片段，並依賴自動語言偵測。
提示詞範例
轉錄這段 40 秒的語音備忘錄，並返回逐字時間戳記，以便我製作字幕。
以原始語言轉錄附上的客戶語音信箱，並給我錄音的總時長。
將這段短產品演示旁白的 MP3 轉換為文字；說話者可能會在英語和中文之間切換。
FAQ
Fish Transcribe-1 與 Transcribe-1 Pro 有什麼區別？
Transcribe-1 用於短錄音的通用轉錄。Transcribe-1 Pro 是 Fish Audio 推薦用於長達 60 分鐘的錄音、多說話者對話，以及需要說話者標記和情緒標記的轉錄模型。當您需要知道誰說了什麼時，請選擇 Pro。
Fish Transcribe-1 返回什麼內容？
文字、以秒為單位的時長以及請求 ID。如果您要求時間戳記，它還會返回逐字片段，每個片段包含文字、開始和結束時間。
我可以上傳哪些音訊格式？
Fish Audio 接受以原始位元組發送的 WAV、MP3、AAC、FLAC、Ogg、WebM/Matroska 和 MOV 檔案。對於影片容器，它使用第一個音軌。不支援 AIFF、CAF、WMA、AMR 和原始 PCM。
我需要告訴它語言嗎？
不需要。Fish Audio 會自動偵測語言，並在已知時於回應中包含偵測到的語言。對於偵測可能不確定的情況（例如非常短或嘈雜的片段），提供可選的語言提示。
它可以轉錄即時音訊嗎？
不可以。此模型接受上傳的檔案並在處理後返回轉錄內容。對於即時字幕或需要在說話時做出反應的語音代理，請選擇專為串流識別而構建的模型。
Fish Transcribe-1 的費用是多少？
在 TokenLab 上，Fish Transcribe-1 價格為 $0.0001 每秒。完整明細見上方價格表。 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
Fish Transcribe-1 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/audio/transcriptions 進行 Fish Transcribe-1 的呼叫。下方的請求範例展示了對應的程式碼格式。
Fish Transcribe-1 支援哪些操作？
Fish Transcribe-1 支援 語音轉文字。請在上方選擇一項操作以查看其端點與請求範例。
比較 Fish Transcribe-1
來源
更新於 2026年10月2日
更多來自 Fish Audio 的模型