预录制与实时转录
在批处理工作流中转录音频或视频文件，或处理实时音频和视频，满足流式语音识别应用的需求。
Speechmatics
Freemium
Speechmatics 提供语音转文字 API，支持预录制和实时音频、多语言语音、多位说话人及语音代理工作流，面向构建转录与语音 AI 应用的团队。
什么是 Speechmatics？
Speechmatics 是一个语音转文字 API 平台，可转录实时或预录制的音频和视频。其模型针对对话类音频设计，支持口音、多位说话人、多语言语音以及句中语言切换。平台提供通用型、增强型、医疗型和面向语音代理的模型，以满足不同的转录需求。
核心功能包括从音频或视频文件进行批量转录，以及从实时音频或视频进行实时转录。根据所选模型，输出和处理选项包括说话人分离、语言提示与标注、智能格式化、词级时间戳、自定义词典、医疗保健词汇处理、混合语言转录和代码切换支持。
Speechmatics 能做什么？
多语言与混合语言语音
Melia 1 模型支持 56 种语言，无需预先选择语言，并可在句中切换语言。平台网站总体上描述支持 55 种以上语言。
说话人与语言标注
说话人分离可区分多说话人录音中的不同发言，而语言提示与标注则有助于识别或指定转录中所使用的语言。
适用于不同领域的模型选项
可选模型包括适用于多语言音频的 Melia 1、用于更高准确度单语言转录的 Enhanced、面向临床语言的 Oak 1，以及适用于实时语音代理场景的 Linden 1。
对话与文档处理附加功能
可选处理功能包括翻译、章节、主题、摘要、情感分析、个人身份信息脱敏和音频对齐。具体可用功能及费率因模型和处理模式而异。
语音代理轮次检测
Linden 1 实时模型包含用于对话式语音代理工作流的轮次检测，帮助应用识别说话人的发言轮次何时发生变化。
使用场景
“多语言对话转录”
使用 Melia 1 转录会议、访谈、通话或其他录音，适用于说话人使用多种语言或在对话中切换语言的场景。
“临床听写与文档记录”
使用 Oak 1 医疗模型处理临床语言，包括药品名称、剂量、缩写和医疗操作术语，并支持多语言。
“实时语音代理”
将 Linden 1 实时模型用作对话式代理的语音识别层，适用于需要内置轮次检测的代理。
“录制媒体处理”
批量处理音频或视频文件，并在所选模型和工作流支持的情况下添加章节、主题、摘要、翻译或情感分析等输出。
常见问题
Speechmatics 能否转录实时音频以及录制文件？
可以。定价信息区分了预录制转录和实时转录。预录制工作流接受音频或视频文件，而实时工作流则处理实时音频或视频。
Speechmatics 支持多少种语言？
网站描述支持 55 种以上语言。Melia 1 模型列出支持 56 种语言的转录，无需预先选择语言，并可在句中切换语言。
Speechmatics 能识别不同的说话人吗？
说话人分离被列为可用的转录功能。具体功能可用性可能因模型、产品套餐和部署方式而异。
哪个模型适用于医疗转录？
Oak 1 是医疗模型，适用于临床语言，包括药品名称、剂量、缩写和医疗操作术语。
是否可以免费开始使用？
定价页面显示，用户可以免费开始使用，获得 100 美元额度且无需提供银行卡。包含额度用完后的使用费率因模型和处理模式而异。
快速信息
- 产品类型
- 语音转文字 API
- 输入工作流
- 预录制音频或视频，以及实时音频或视频
- 语言覆盖范围
- 55 种以上语言；Melia 1 列出支持 56 种语言
- 主要模型
- Melia 1、Enhanced、Oak 1 和 Linden 1
- 部署方式
- 云 SaaS；产品网站还介绍了云端、本地部署和设备端选项
- 定价模式
- 按使用量计费，提供免费开始使用的方案，并按模型采用不同费率
Speechmatics 流量分析
流量数据仅供参考。
- 域名评分
- 74