ASR大模型与API报价

ASR大模型效果最好的API及报价

1. OpenAI Whisper API

• 效果：多语种、强鲁棒性，支持长音频，准确率高。
• API报价（2024年6月）：
  • $0.006/分钟（标准模型）
  • $0.012/分钟（大模型）
• 官方文档

2. Google Cloud Speech-to-Text

• 效果：多语种、实时识别、支持自定义词汇。
• API报价（2024年6月）：
  • 标准模型：$1.44/小时
  • 视频模型：$2.16/小时
• 官方文档

3. 科大讯飞（iFLYTEK）

• 效果：中文识别准确率高，支持多方言、实时转写。
• API报价（2024年6月）：
  • 免费额度：每月10小时
  • 标准识别：约￥0.16/分钟
  • 高级识别：约￥0.32/分钟
• 官方文档

4. 百度语音识别（Baidu ASR）

• 效果：多语种、方言支持，适合中文场景。
• API报价（2024年6月）：
  • 免费额度：每月50小时
  • 标准识别：约￥0.16/分钟
  • 高级识别：约￥0.32/分钟
• 官方文档

效果最好的开源ASR大模型

1. Whisper（OpenAI）

• 简介：多语种、强鲁棒性，支持长音频，社区活跃。
• 地址：Whisper GitHub

2. Wav2Vec 2.0（Facebook/Meta）

• 简介：自监督学习，支持多语种，适合大规模语音识别。
• 地址：Wav2Vec 2.0 GitHub

3. FunASR（阿里巴巴）

• 简介：支持中文、英文等多语种，推理速度快，适合工业级应用。
• 地址：FunASR GitHub

4. PaddleSpeech ASR（百度）

• 简介：支持多语种、端到端识别，适合中文和多场景。
• 地址：PaddleSpeech GitHub

5. ESPnet

• 简介：支持ASR、TTS等多任务，模型丰富，社区活跃。
• 地址：ESPnet GitHub