Gladia

什么是 Gladia？

Gladia 是面向开发者、用于构建语音产品的 AI 音频基础设施平台。其核心功能是通过单一 API 转写语音并增强对话，将音频转换为下游系统可使用的结构化数据。

Gladia 面向的是多语言真实场景音频，而非干净的录音棚语音。它支持 100 多种语言、说话者在句中切换语言，以及说话人分离、情感分析、摘要、行动项和实体提取等后处理功能。

该产品还通过多种专业语音转文本体验提供服务，包括异步转写、实时转写和 Solaria-3 ASR 模型。网站上的定价信息显示，Gladia 提供免费和付费层级、订阅及按量付费选项，以及包含定制模型、微调和支持选项的企业方案。

Gladia 强调企业级控制能力，例如合规文档、欧盟数据驻留，以及更高层级方案中的退出数据使用或零保留选项。它还提供官方 SDK、集成和开发者 Playground，帮助团队快速完成集成。

Gladia 能做什么？

用于转写和增强的单一 API

通过一个 API 转写并增强音频，让团队基于结构化输出进行构建，而不是处理原始语音文本。

多语言语音识别

支持 100 多种语言，包括说话者在句中切换语言，适用于多语言产品和全球客户支持工作流。

抗口音和噪声

处理带有口音和噪声的音频，同时保留结构、时间戳以及生产录音的下游可用性。

内置音频智能

在转写结果旁返回说话人分离、情感、摘要和行动项，帮助团队更快地进行分流、审核或自动化处理。

结构化、适用于业务的输出

应用命名实体识别、自定义词汇、上下文感知格式化和幻觉过滤，提升姓名、数字、电子邮件及领域术语的准确性。

面向开发者的交付能力

使用官方 SDK、Webhook、异步任务，以及与语音和工作流工具的原生集成，快速从配置进入生产环境。

使用场景

“客户体验运营”

构建客户支持或联络中心工具，满足多语言转写、说话人分离，以及用于分流或质量保证的结构化输出需求。

“销售与辅导工作流”

将销售、辅导和营收通话转换为转写文本，清晰提取姓名、数字和行动项，以便后续系统跟进。

“会议助手”

为会议助手提供实时或通话后的转写、摘要和行动项，用于记录笔记和捕获任务。

“媒体制作与本地化”

创建用于字幕、编辑和存档转写文本的媒体工作流，满足时间戳文本和多语言支持需求。

“语音代理与自动化”

支持需要低延迟转写、Webhook 以及与编排平台集成的语音代理和工作流自动化工具。

常见问题

我可以免费试用 Gladia 吗？

可以。定价页面提供每月最多 10 小时转写的免费层级，用户也可以申请演示。

有哪些可用的计费选项？

Gladia 支持按量付费和订阅计费。订阅可以按月或按年付费，企业方案还可以使用银行转账或开具发票等其他付款方式。

我可以更改或取消方案吗？

可以。你可以在账户设置中升级或降级方案，也可以联系销售团队；你可以随时取消，但需在当前计费周期结束前操作。

是否存在隐藏费用或使用限制？

网站说明没有设置费或隐藏费用。使用限制取决于所使用的层级，包括每小时调用次数的速率限制和可转写的总时长。

有哪些支持和入门资源？

定价页面列出企业方案的 Slack 支持，以及付费层级的帮助中心和 Discord 支持；网站还提供开发者文档、Playground 和官方 SDK，帮助用户开始使用。