阿里云: Paraformer 8K v2
paraformer-8k-v2- 价格
- 起 $0.000012
- 模态
- 音频
Paraformer 8K v2 简介
Paraformer 8K v2 是阿里巴巴的文件转写模型,针对 8 kHz 电话录音调优,主要用于中文通话音频。它是 Paraformer v2 的窄带版本:来源是电话线路或呼叫中心归档时用它,更宽频的会议音频用通用版本。时间戳始终开启,支持说话人分离(diarization)和热词。
擅长的任务
- 为 8 kHz 电话音频而建,呼叫中心录音在转写前不需要升采样。
- 始终返回时间戳,适合质检时直接跳到通话中的某个位置。
- 说话人分离可以在双方通话中区分坐席和客户。
- 自定义热词有助于识别通话中反复出现的产品名、套餐名和网点术语。
什么情况换别的模型
- 它面向窄带电话音频,宽带的会议或录音棚录音更适合用 Paraformer v2。
- 它是离线文件模型,通话中的实时字幕需要用 Paraformer Realtime 8K v2。
快速上手
创建 API 密钥
在 Console 生成一把密钥,平台上的模型都能用。
发送第一个请求
复制你所用语言的示例代码,向该端点发起请求。
语音转文字TokenLab 端点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-8k-v2" \ -F language="en"
参数
语音转文字
| 参数 | 可选值与限制 | 默认值 | 说明 |
|---|---|---|---|
file | 输入数量:≥ 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. |
价格
Verified 价格用于 Verified,多数模型更便宜;Official 价格是模型厂商公布的价格,用于更稳定的 Official。Auto 按最终完成请求的线路计价。
语音转文字
每秒- Official 价格
- $0.00001176
- Verified 价格
- —
- 折扣
- —
| Official 价格每秒 | Verified 价格每秒 | 折扣 | |
|---|---|---|---|
| 语音转文字 | $0.00001176 | — | — |
用量与动态
成功率是请求完成的比例;延迟是拿到一次完整响应要花的时间,P95 表示 95% 的请求都在这个时间内完成。
用量与可用性
最近 24 小时- 请求
- 成功率
- P95 延迟
- 总 token 数
数据来自汇总的用户请求,不含状态检查。
直接在 Console 里试
Paraformer 8K v2 已在 Console 备好,提示词已填好,可以直接修改或发送。
帮我用 paraformer-8k-v2 发起一条简短的音频请求,接口是 /v1/audio/transcriptions。返回结果和费用。
使用场景
呼叫中心归档
转写已存储的客户通话,用于质检打分、合规审查和关键词搜索。
区分坐席和客户
用说话人分离生成双方的转写,再分别总结各自的诉求。
争议取证
文字旁边保留时间戳,审核人员可以找到并回放有争议的那句话。
提示词示例
转写这段 8 kHz 的普通话通话录音,并区分坐席和客户。
转写这批已存档的贷款催收通话,使用我们产品名称的热词。
转写这段电话访谈,并返回每一句话的时间戳。
FAQ
paraformer-8k-v2 里的 8k 指什么?
指 8 kHz 采样率,也就是普通电话音频的采样率。这个模型针对这种窄带素材调优,主要用于中文通话录音,而不是宽带来源。
会议录音能用它吗?
通常不建议。笔记本或会议室麦克风录的会议音频频带更宽,对应的是 Paraformer v2。来源确实是电话通话时,再用 8K 版本。
这个模型的时间戳是可选的吗?
不是。阿里巴巴说明 Paraformer 文件模型的时间戳是常开的,无法关闭,所以这个模型返回的每份转写,文字都带有时间戳。
能转写正在进行的通话吗?
不能按流式转写。这是离线文件模型。实时电话音频请用 Paraformer Realtime 8K v2,它接受窄带音频流。
Paraformer 8K v2 的费用是多少?
在 TokenLab 上,Paraformer 8K v2 的价格为 $0.00001176 每秒。完整明细见上方价格表。 价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率;单一费率不代表总价。
Paraformer 8K v2 应该使用哪个端点?
Paraformer 8K v2 使用 https://api.tokenlab.sh/v1/audio/transcriptions。代码写法见下方的请求示例。
Paraformer 8K v2 支持哪些操作?
Paraformer 8K v2 支持 语音转文字。选了操作,上面会显示对应的端点和请求示例。
Paraformer 8K v2 对比
资料来源
- Model Studio: recording file recognition models
- Model Studio: speech-to-text models for real-time and file transcription
审阅于 2026年10月2日