為每個請求選擇 Auto、TokenLab Verified 或 Official,並預先顯示價格。查看最新動態

Alibaba: Paraformer Realtime v2

Paraformer Realtime v2 為即時音訊提供串流語音識別。它適用於字幕、語音輸入與會議介面,在這些場景中,轉錄內容需隨著發言持續更新。
比較模型
paraformer-realtime-v2
可用Alibaba語音轉文字同步
價格
起 $0.000035
模態
音訊

關於 Paraformer Realtime v2

Paraformer Realtime v2 是阿里巴巴的通用型串流語音辨識模型,可在音訊持續輸入時回傳文字。它適用於字幕、語音輸入及會議介面,這些場景要求逐字稿隨說話內容即時更新。與 8K 版本不同,它不受限於電話頻寬;且與 Fun-ASR Realtime 不同,它屬於較早期的 Paraformer 系列。

適用場景

  • 持續更新逐字稿,適用於即時字幕與會議介面。
  • 適用於一般寬頻音訊(如耳機與會議室麥克風),不僅限於電話線路。
  • 支援熱詞功能,適用於會議中頻繁出現的名稱與術語。
  • 提供串流結果的時間戳記,以便對齊字幕。

其他選擇建議

  • 電話品質的 8 kHz 音訊更適合使用 Paraformer Realtime 8K v2。
  • 串流模式無法進行二次音訊處理;若對最終準確度有高度要求,請使用檔案處理模型。

入門指南

  1. 建立 API 金鑰

    請至 Console 建立金鑰,即可在平台上使用各類模型。

  2. 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WebSocket
    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());

定價

Official 價格為模型開發商的公開基準價。TokenLab 價格則為您在 TokenLab 使用該模型的實際費用。

即時 / 語音轉文字

每秒
Official 定價
$0.00003529
Official
$0.00003529
折扣
—

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
模型效能
當達到隱私權與資料量的門檻後,指標才會顯示。

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 Paraformer Realtime v2,並準備好編輯或發送提示詞。

協助我使用 paraformer-realtime-v2 透過 /v1/realtime 進行音訊請求,並顯示結果與成本。

應用情境

  • 會議字幕

    在視訊會議中顯示即時逐字稿,讓參與者能跟上進度或補捉遺漏的詞彙。

  • 語音輸入

    在使用者說話時,將聽寫內容即時轉換為編輯器或表單中的文字。

  • 即時活動字幕

    為演講或廣播添加字幕,並在講者每句話結束時進行更新。

提示詞範例

串流此即時會議音訊,並在人員發言時顯示字幕。

透過語音口述支援工單,並在我說話的同時填寫文字方塊。

串流會議主題演講,並針對講者與產品名稱設定熱詞。

FAQ

Paraformer Realtime v2 適用於電話通話嗎?

並非主要用途。針對 8 kHz 電話語音,阿里巴巴提供 Paraformer Realtime 8K v2。此模型主要針對來自麥克風、耳機及會議軟體的一般即時音訊。

它與 Fun-ASR Realtime 相比如何?

兩者皆支援串流。Fun-ASR Realtime 屬於較新的 Fun-ASR 系列,並列出了方言支援;而 Paraformer Realtime v2 則是成熟的 Paraformer 選項。請針對您的音訊測試兩者,並保留最適合的一個。

整合方式為何?

透過 DashScope SDK 或原始協定建立 WebSocket 連線。您的用戶端需分段傳送音訊,辨識事件會在連線開啟期間持續回傳。

它可以轉錄已完成的檔案嗎?

它是為串流設計的。若需處理已完成的錄音,請使用其檔案處理對應模型 Paraformer v2,該模型會處理整個檔案並回傳包含時間戳記的結果。

Paraformer Realtime v2 的費用是多少?

在 TokenLab 上,Paraformer Realtime v2 價格為 $0.00003529 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。

Paraformer Realtime v2 應該使用哪一個端點?

請使用 https://api.tokenlab.sh/v1/realtime 進行 Paraformer Realtime v2 的呼叫。下方的請求範例展示了對應的程式碼格式。

Paraformer Realtime v2 支援哪些操作?

Paraformer Realtime v2 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 Paraformer Realtime v2

來源

更新於 2026年10月2日

更多來自 Paraformer 的模型

相關模型