阿里云: Paraformer v2
paraformer-v2- 价格
- 起 $0.000012
- 模态
- 音频
Paraformer v2 简介
Paraformer v2 是阿里巴巴基于文件的语音识别模型,用于会议和长对话的离线转写,以异步方式调用。阿里巴巴原生文件服务文档的录音上限是 2 GB、12 小时,而这里的上传入口另有 25 MB 的限制。与实时模型相比,它放弃即时性,换来完整的转写。
擅长的任务
- 阿里巴巴原生文件服务文档的录音上限是 12 小时或 2 GB;这里的上传入口接受最大 25 MB 的文件。
- 始终包含时间戳,不需要额外选项就能拿到。
- 阿里巴巴把说话人分离文档化为原生选项,适用于会议;这里的模型详情没有列出。
- 阿里巴巴把敏感词过滤文档化为原生选项;这里的模型详情没有列出。
什么情况换别的模型
- 任务完成后才返回结果,实时字幕需要用 Paraformer Realtime v2。
- 8 kHz 电话录音用 8K 版本更匹配。
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-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 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-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
会议归档
把按上传限制准备好的会议录音处理成带时间戳的可搜索文字。
讲座转写
转写按上传限制准备好的讲座录音,再为学生做索引或总结。
内容审核准备
屏蔽敏感词是阿里巴巴的原生选项,这里的模型详情没有列出;请在返回的文本上自行过滤。
提示词示例
转写这段 10 分钟的全员会议录音,保持在 25 MB 限制内,返回文本。
转写这段讲座片段的音频,返回带时间的文本。
转写这些每周站会录音,每次请求一个文件,返回文本。
FAQ
Paraformer v2 最适合做什么?
对已录好的会议、访谈和对话做离线转写。阿里巴巴文档标明接受主流音视频格式和任意采样率。请按入口的上限准备上传文件,并依据返回的任务状态确认完成。
输入文件最大多大?
Paraformer v2 面向长时间的会议和对话:阿里巴巴原生文件服务文档的上限是每段录音 12 小时或 2 GB。这里的上传入口更严格,每个文件限 25 MB,原生额度不能抬高这个限制。请按这个大小准备每个文件,并依据各自返回的任务状态跟踪每个任务。
可以关掉时间戳吗?
不可以。阿里巴巴说明 Paraformer 的时间戳是常开的。在依赖某种具体的时间结构之前,请先检查你实际收到的响应字段。
Paraformer v2 还是 Fun-ASR?
阿里巴巴把说话人分离和热词列为两者的原生功能;这里的模型详情都没有列出。Fun-ASR 是较新的系列,Paraformer v2 是成熟的系列。各拿一段你的音频跑一遍,对比你在意的错误。
Paraformer v2 的费用是多少?
在 TokenLab 上,Paraformer 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 v2 应该使用哪个端点?
Paraformer v2 使用 https://api.tokenlab.sh/v1/audio/transcriptions。代码写法见下方的请求示例。
Paraformer v2 支持哪些操作?
Paraformer 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 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