# Speechmatics 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。 - Findings24: - 网站: - 价格: Freemium - 分类: 语音转文字, AI 音频 API ## 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？ ### 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。 ### 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