AssemblyAI — 语音转文字

AssemblyAI

AssemblyAI 是面向开发者的 API:你用 API 密钥发送音频,得到转写文本,也可以带说话人标签。它需要写代码,不是上传即编辑的应用;在基于它构建任何东西之前,先用一个短文件试一试。

为什么适合

语音转文字

网页

前往 assemblyai.com
使用须知 (1)

请在官网确认当前配额和输出条件。

使用须知
使用须知网页
免费输出—
无需注册否
无水印—
离线可用否
批量处理—
内容语言—

— 未核实的使用条件. 已核查官方文档,尚未实际操作测试应用。 仅匹配有来源证明的内容语言支持,不代表界面语言。

来源与核查日期 (1)
  • www.assemblyai.com/docs/pre-recorded-audio/label-speakers
产品方反馈与更正

产品方反馈与更正

如果你代表该产品,请提交带来源的更正或更新。发布前会经过编辑审核。

编辑选择指南

最近核查:

适合谁?

  • 想把带时间戳和说话人标签的语音转文字加入自己的应用或数据流程的开发者。
  • 需要批量处理录制的通话或访谈,并希望结果是结构化数据而不是文档编辑器的团队。

开始使用

  • 注册账号,在控制台获取 API 密钥,保存在服务器或环境变量中,不要放进公开的客户端代码。
  • 安装 Python 或 JavaScript SDK(快速入门提到 Python 3.8+ 或 Node.js 18+),先转写一个简短的公开 URL 或本地文件。
  • 开启 speaker_labels,并设置语言或 language_detection;不确定说话人数量时,给出最小值和最大值,而不是精确数字。
  • 轮询状态直到变为 completed 或 error,再读取 utterances 数组;在批量运行之前,先用一个样本检查说话人和时间戳。

选择要点

  • 先确认你的语言:文档列出 Universal-3.5 Pro 支持 18 种语言,Universal-2 支持 99 种,并且并非每项功能都适用于每种语言;请用真实样本音频测试你的语言。
  • 按用量计费:注册时有免费额度,说话人分离等附加功能另行计费;请根据你的时长和功能,在当前价格页面估算成本。
  • 如果只是偶尔做一次会议记录且不想写代码,Otter、Notta 或 Fireflies 这类现成应用可能更合适;AssemblyAI 适合把转写集成进你自己的产品。

限制

  • 它是集成用 API:请求需要 API 密钥和代码,所查阅的资料没有描述上传即编辑的界面,目录中也未列出离线使用。本指南基于官方文档,准确率、配额和成本均未测试。
  • 当每位说话人连续讲话至少约 30 秒时,说话人标签效果更好;声音重叠和背景噪声会降低可靠性,文档也建议不要把说话人数量上限设得过高。
  • 免费账号列出的是 5 个并行任务,并有单文件限制(最长 10 小时;每次请求 5 GB,本地上传 2.2 GB);数字和方案可能变化。

常见问题

不写代码也能转写吗?

所查阅的资料描述的是通过 API 密钥、SDK 或 HTTP 请求使用,没有上传即编辑的界面。如果你想直接放入文件并编辑文字,转写类应用更合适。

说话人标记是怎么工作的?

开启 speaker_labels 后,返回结果包含 utterances 数组,每一项带有说话人标签、文本、时间和置信度。把标签对应到真实姓名,需要你事后自己完成。

有免费试用的办法吗?

审阅时,价格页面显示注册可获得 50 美元免费额度,无需信用卡;之后按用量计费。金额和费率会变化,规划测试前请阅读当前页面。

官方来源 (4)
www.assemblyai.com/docs/pre-recorded-audio/label-speakerswww.assemblyai.com/docs/getting-started/transcribe-an-audio-filewww.assemblyai.com/docs/pre-recorded-audio/supported-languageswww.assemblyai.com/pricing