Speechmatics
英国公司提供的语音识别基础设施,以 API 形式提供批量文件转写与实时流式转写,可云端或本地部署,适合要把转写能力嵌进客服质检、医疗记录或直播字幕产品的开发者团队。
3 次可以打开平均 3.2 秒11 月 21 日 起国内不可直接访问
本站从国内机房定期实测。竖条由远及近:绿 = 可以打开,橙 = 国内不可直接访问,灰 = 打不开。Speechmatics 是一家英国公司提供的语音识别基础设施,核心是把音频转成文字,做成 API 供开发者接入。它面向的不是随手传个录音的普通用户,而是要把转写能力嵌进自己产品里的团队:语音助手、客服质检、医疗记录、法庭速记、直播字幕这些场景。
主要能力
转写分两种模式:上传录好的音视频文件批量处理,或者接实时音频流,官方说实时首字延迟在 350 毫秒左右。识别时能区分不同说话人,支持自定义词表,把行业术语、人名地名认准。语言覆盖 55 种以上,其中 Melia 1 模型不需要事先指定语言,说话人中途换语言也能跟上。
模型按用途分开:Enhanced 追求最高准确率,需要指定单一语言;Standard 便宜一些、准确率略低;Oak 1 针对临床用语,药名、剂量、缩写;Linden 1 专为语音助手设计,带对话轮次检测。所有模型走同一套 API,换模型不用改接入方式。
部署与合规
除了云端调用,还能部署在自有服务器上(Docker、Kubernetes 或预配置虚拟机),或者直接跑在 Mac、Windows 设备本地,数据不出机器。官方称通过 ISO 27001、GDPR、HIPAA、SOC 2 Type II 等认证,默认不记录用户数据,这也是它主打受监管行业的原因。
费用与限制
按小时计费,预录文件最低每小时 0.12 美元,实时转写最低每小时 0.15 美元,注册送 100 美元额度、不需要信用卡。要真正用起来得会写代码调接口,网页上只能试听几个示例片段,不是拿来直接传文件转写的工具。界面为英文。
