Alibaba Cloud: Paraformer v2
paraformer-v2- 價格
- 起 $0.000012
- 模態
- 音訊
關於 Paraformer v2
Paraformer v2 是阿里巴巴推出的基於檔案的語音識別模型,用於會議和長對話的離線轉錄,採用非同步呼叫方式。阿里巴巴的原生檔案服務支援長達 12 小時或 2 GB 的錄音檔,但此處連結的上傳端點有 25 MB 的獨立限制。與即時模型相比,它以犧牲即時性為代價,換取完整的轉錄內容。
適用場景
- 阿里巴巴的原生檔案服務支援長達 12 小時或 2 GB 的錄音檔;此處連結的上傳端點僅接受 25 MB 以內的檔案。
- 時間戳記預設包含在內,因此無需額外選項即可獲取。
- 阿里巴巴將說話者分離(speaker diarization)記錄為會議的原生選項;此處連結的模型詳細資訊中並未包含此功能。
- 阿里巴巴將敏感詞過濾記錄為原生選項;此處連結的模型詳細資訊中並未包含此功能。
其他選擇建議
- 結果會在任務完成後送達;若需即時字幕,請使用 Paraformer Realtime v2。
- 對於 8 kHz 的電話錄音,8K 版本能更精確地匹配音訊。
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="paraformer-v2" \ -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. |
language | 未提供 | 未提供 | This 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_format | 未提供 | json | Omit 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. |
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
- $0.00001176
- Verified 價格
- —
- 折扣
- —
| Official 價格每秒 | Verified 價格每秒 | 折扣 | |
|---|---|---|---|
| 語音轉文字 | $0.00001176 | — | — |
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 Paraformer v2,並準備好編輯或發送提示詞。
協助我使用 paraformer-v2 透過 /v1/audio/transcriptions 進行音訊請求,並顯示結果與成本。
應用情境
會議存檔
將符合上傳限制的已儲存會議錄音處理為帶有時間戳記的可搜尋文字。
講座轉錄
轉錄符合上傳限制的講座錄音,隨後為學生建立文字索引或摘要。
內容審核準備
原生敏感詞遮蔽是阿里巴巴提供的一個選項,並未列在此處的模型詳細資訊中;請在您的端點對返回的文字進行過濾。
提示詞範例
轉錄這段 10 分鐘的全體會議錄音(需在 25 MB 限制內)並返回文字。
轉錄這段講座片段的音訊並返回帶有時間標記的文字。
轉錄這些每週站立會議的錄音(每個請求一個檔案)並返回文字。
FAQ
Paraformer v2 最適合什麼場景?
用於錄製的會議、訪談和對話的離線轉錄。阿里巴巴記錄支援主流音訊和視訊格式,且不限採樣率。請確保上傳檔案在端點限制內,並追蹤返回的任務狀態以確認完成。
輸入檔案大小限制為何?
Paraformer v2 針對長會議和對話設計:阿里巴巴的原生檔案服務支援每個錄音檔 12 小時或 2 GB。此處連結的上傳端點限制較嚴格,為每個檔案 25 MB,且原生服務的額度不會提高此限制。請確保每個檔案都在該大小限制內,並透過返回的任務狀態追蹤每個作業。
可以關閉時間戳記嗎?
不行。阿里巴巴說明 Paraformer 始終啟用時間戳記。在基於特定時間結構進行開發前,請先檢查您實際收到的轉錄回應欄位。
Paraformer v2 還是 Fun-ASR?
阿里巴巴將說話者分離和熱詞功能列為兩者的原生特性;此處連結的模型詳細資訊中均未包含這些功能。Fun-ASR 是較新的系列;Paraformer v2 則是較成熟的產品。建議您使用部分音訊樣本分別進行測試,並比較對您而言重要的錯誤率。
Paraformer v2 的費用是多少?
在 TokenLab 上,Paraformer v2 價格為 $0.00001176 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 v2 應該使用哪一個端點?
請使用 https://api.tokenlab.sh/v1/audio/transcriptions 進行 Paraformer v2 的呼叫。下方的請求範例展示了對應的程式碼格式。
Paraformer v2 支援哪些操作?
Paraformer 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 v2
來源
- Model Studio: recording file recognition models
- Model Studio: speech-to-text models for real-time and file transcription
更新於 2026年10月2日