Alibaba: Paraformer Realtime 8K v2
paraformer-realtime-8k-v2- 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
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WebSocketWS/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
- —
| 官方价格每秒 | Official每秒 | 折扣 | |
|---|---|---|---|
| 实时 / 语音转文字 | $0.00003529 | $0.00003529 | — |
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 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
- Model Studio: real-time speech recognition
- Model Studio: speech-to-text models for real-time and file transcription
审阅于 2026年10月2日