Amazon Transcribe 推出同步转写 API:整段音频一次请求直接返回文字稿,每分钟 0.0070 美元,含说话人分离
以前转写要建任务、轮询状态。这一条讲同步接口的限制和价格,适合语音助手、坐席辅助、「转写这段」这类交互功能。
// 要点
- 新接口 TranscribeAudio:音频可内联(最大 25 MB)或来自 S3(最大 500 MB),时长 0.5 秒到 1 小时,支持 WAV、MP3、FLAC、M4A 等 8 种格式。
- 每分钟 0.0070 美元、按秒计费,说话人分离、语言识别、自定义词表和声道识别都包含在内;PII 脱敏为附加项。
- 支持英、西、法、意、德、日、葡、韩与中文(简体、繁体、香港)。
开发者视角同步加中文支持,意味着智能面试这类「答完一题就要转写和打分」的流程可以去掉任务队列,链路简单一截;一小时面试的转写约 0.42 美元。我会先拿单题回答做同步转写,整场录音仍走异步,并和 11-18 那条 0.5B 的开源 Rumble-2-Flash 对比一下中文准确率。