每次请求可选择 Auto、TokenLab Verified 或 Official,并查看对应价格。查看更新

Alibaba: Paraformer Realtime 8K v2

Paraformer Realtime 8K v2 面向实时电话音频中的中文识别,适合基于窄带通话输入的客服字幕和通话中辅助。
对比模型
paraformer-realtime-8k-v2
可用Alibaba语音转文本同步
价格
起 $0.000035
模态
音频

Paraformer Realtime 8K v2 简介

Paraformer Realtime 8K v2 是阿里巴巴的流式识别模型,用于 8 kHz 的实时中文电话音频。它把 Paraformer Realtime v2 的实时特性和 Paraformer 8K v2 的窄带调优结合在一起。通话进行中,坐席界面、字幕或助手需要在通话结束前拿到文字时,选它。

擅长的任务

  • 通话还在进行时就返回文字,坐席可以实时看到对话内容。
  • 针对 8 kHz 窄带输入调优,与电话系统实际送出的音频一致。
  • 支持热词,适合实时通话里反复出现的产品名和网点名。
  • 语音活动检测(VAD)设置可以控制句子多快被确定下来。

什么情况换别的模型

  • 它面向窄带电话音频,宽带麦克风更适合用 Paraformer Realtime v2。
  • 流式结果无法根据后面的音频修正,最终归档的转写请用 Paraformer 8K v2。

快速上手

  1. 创建 API 密钥

    在 Console 生成一把密钥,平台上的模型都能用。

  2. 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WebSocket
    WS/v1/realtime
    // npm install ws
    import WebSocket from 'ws';
    
    const socket = new WebSocket("wss://api.tokenlab.sh/v1/realtime?model=paraformer-realtime-8k-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());

价格

官方价格是模型厂商公开的基线价,TokenLab 价格是用这个模型时实际的计费价。

实时 / 语音转文字

每秒
官方价格
$0.00003529
Official
$0.00003529
折扣
—

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
模型表现
达到隐私和数据量阈值后,指标才会显示。

数据来自汇总的用户请求,不含状态检查。

直接在 Console 里试

Paraformer Realtime 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-realtime-8k-v2 发起一条简短的音频请求,接口是 /v1/realtime。返回结果和费用。

使用场景

  • 坐席辅助

    把实时通话文字送给语言模型,在对话过程中给出建议回答或调出相关制度条文。

  • 通话实时监控

    在通话仍在进行时,标记合规用语或需要升级处理的关键词。

  • 通话中记录

    为坐席生成一份持续更新的笔记,通话结束时就已经完整。

提示词示例

对这通正在进行的 8 kHz 普通话客服通话做流式识别,每说完一句就显示文字。

实时转写一通正在进行的销售电话,使用我们三个套餐名称的热词。

对通话音频做流式识别,并标出客户说“取消”的那一刻。

FAQ

它和 Paraformer Realtime v2 有什么区别?

8K 版本针对 8 kHz 采样的窄带电话音频调优,Paraformer Realtime v2 处理的是麦克风等通用宽带实时音频。按音频来源选择对应的模型。

它和 Paraformer 8K v2 有什么区别?

两者都面向电话音频,但这个模型是流式的,通话期间就返回文字,而 Paraformer 8K v2 转写的是已经录完的文件。

音频怎么发送?

通过流式 WebSocket 会话,使用阿里巴巴的 DashScope SDK 或原始协议。你发送音频分块,通话进行中持续收到识别事件。

它只支持中文吗?

阿里巴巴的描述以中文电话语音为主。要用于其他语言,请先用你自己的通话样本验证,因为窄带音频会让任何语言的识别都更困难。

Paraformer Realtime 8K v2 的费用是多少?

在 TokenLab 上,Paraformer Realtime 8K v2 的价格为 $0.00003529 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 Realtime 8K v2 应该使用哪个端点?

Paraformer Realtime 8K v2 使用 https://api.tokenlab.sh/v1/realtime。代码写法见下方的请求示例。

Paraformer Realtime 8K v2 支持哪些操作?

Paraformer Realtime 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 Realtime 8K v2 对比

资料来源

审阅于 2026年10月2日

更多 Paraformer 模型

相关模型