实时与异步转录
同时提供异步转录与 real-time streaming 两种模式，录音文件走异步、会议场景走实时流，两种都在三档方案里可用。
对比方案 ↗
价格Starter 异步 $0.61 /hr 起，送 50€ 体验金
平台API / Web
归类API 与算力
收录2026-10-10
复核2026-10-10
编辑评分
4.5 / 5
★★★★☆
Gladia编辑总结
Gladia 是 gladia.io 上的一套语音转文字 API，定位是给做会议助手、CRM 与语音产品的团队提供转录底座。官网把卖点压在准确率与后处理上：宣称在会话语音上比同类方案高 29%，并提供命名实体识别、自定义词汇表、上下文格式化与幻觉过滤。价格按量计费，Starter 异步 $0.61 /hr、实时 $0.75 /hr，注册送 50€ 体验金，Growth 承诺低至 $0.20 /hr，称比 Starter 便宜 67%。短板是免费额度为一次性、不按月重置，Starter 没有 Uptime SLA 与优先队列，自托管方案官网也未提供。
Gladia是什么？
Gladia 是 gladia.io 提供的语音转文字（STT）API，面向自己动手搭语音产品的开发与产品团队。「Why Gladia」一节的定位很清楚：转录是上层一切能力的地基，助手、CRM、教练模型的效果都取决于第一层包括的词，因此它把重点放在真实嘈杂音频下的准确率，以及能直接喂给自动化和 RAG 管线的输出质量。
官网能确认的能力分两层。底层是 ASR 加企业级后处理，包含幻觉过滤，用来抓准人名、数字、邮箱与行业术语；上层是结构化能力，命名实体识别、自定义词汇表与拼写、上下文感知格式化（标点、大小写、数字），以及可复现的开放基准，方便采购和审计团队核对说法。对比表列出的能力还有异步转录、实时流式、说话人分离、100+ languages、词级时间戳；Growth 与 Enterprise 提供 99.9% Uptime SLA，三档都标了 SOC 2 Type II，Enterprise 才有专属基础设施。官网还展示 350,000+ developers 与 5,000+ organizations 的使用规模，以及 G2 上 4.8 的评分。
用法分三类。开发者可以直接接 API，官网提供免费 API key 与教程，包括用 Gladia 搭 Google Meet 机器人、做说话人识别，以及 code-switching 多语言转录。产品团队按量买 Starter 或承诺用量换 Growth 的低单价，并可用预付费钱包加自动充值控制成本。需要合规与专属资源的企业走 Enterprise 年付，官网说明可谈银行转账或发票、量大有折扣。
Gladia核心功能
说话人分离
diarization 由自研引擎驱动，底层用 pyannoteAI，做的是「谁说了什么」，用来支撑按发言人归因的下游流程。
多语言与语码转换
覆盖 100+ languages，并支持 code-switching，可在同一段音频里识别并转录多种语言，不需要手动切语言配置。
命名实体识别
把姓名、公司、邮箱、日期等实体在转录阶段就结构化输出，省掉下游再抽一次的成本，其为 source 层结构化。
自定义词汇表
可以一次性教会系统行业术语的写法与发音，之后复用到每条管线与每个团队，减少专有名词被写错的概率。
上下文格式化
自动补标点、处理大小写与数字写法，让转录结果可以直接喂给 CRM 与 LLM，不用再写清洗规则。
幻觉过滤
在企业级后处理里加入 hallucination filters，针对嘈杂音频里凭空生成内容的问题做抑制，官网把它列为准确率的一环。
合规与 SLA
三档都标注 SOC 2 Type II，Growth 与 Enterprise 提供 99.9% Uptime SLA，付费方案还可做数据自主与数据退出设置。
定价与合规 ↗Gladia值不值得用？
当你要给会议助手、销售对话分析或任何语音产品接一层转录时，Gladia 值得试：异步 $0.61 /hr、实时 $0.75 /hr 就能起步，送 50€ 体验金，还自带说话人分离、命名实体识别与上下文格式化，官方宣称比同类方案高 29% 准确率，并有开放基准可核对。当你音频量很小、又想长期白用时要留意，体验金是一次性发放、不按月重置；需要 SLA 的团队必须上到 Growth，该档才给 99.9% Uptime SLA，Starter 没有。想自己部署模型的团队也得注意，官网只提供云 API。
建议选它的情况
- 要自建会议助手或语音分析产品的开发团队
- 需要实时流式与异步两种转录模式的业务
- 看重说话人分离与命名实体识别结构化输出的团队
- 有合规要求、需要 SOC 2 Type II 与 SLA 的企业
不建议选它的情况
- 音频量极小、只想要长期免费额度的个人
- 要求本地私有化部署模型的团队
- 只做一次性离线转写、不接系统的用户
Gladia使用建议
入门先把路子走对
- 先领免费 API key从官网「Get your free API key」入口注册，不用信用卡即可拿到 key，先用一段真实会议录音跑通异步转录。
- 把体验金当预算算注册送的 50€ 是一次性额度，按法约等于 80+ hours 预录或 60+ hours 实时转录，先算好够测几轮。
- 多语言先开语码转换会议里会出现中英夹杂时，按官网建议开启 code-switching；基本单一语言、只夹少数术语则用单语言模式更稳。
- 先用开放基准核对提供可复现的开放基准方法，采购或技术选型时先照它的方法在自己的音频上复测，再谈价格。
进阶省时间也省钱
- 用自动充值控余额在 Developer Console 里设置自动充值阈值与金额，余额低时自动补充，避免线上转录因为欠费中断。
- 术语提前灌进去上线前把产品名、人名等专有词写进自定义词汇表，一次配置即可在各条管线复用，比事后正则纠正省事。
- 按量档位争取折扣音频量大就切到 Growth 拿低单价，异步可低至 $0.20 /hr，Enterprise 年付还提供 volume discount。
- 把转录接进工作流教程给出 CRM 同步、会议机器人与 Webhook 触发等做法，转录完直接推任务或写回 CRM，减少人工整理。
Gladia适合谁用？
语音产品开发团队
推荐API 优先设计，提供实时与异步两种模式，已被 350,000+ developers 使用，适合自己搭管线。
会议助手类产品
推荐说话人分离、词级时间戳与结构化实体输出齐全，官网还给出 Google Meet 机器人的完整实现教程。
有合规要求的企业
推荐三档都标 SOC 2 Type II，Growth 起提供 99.9% Uptime SLA，Enterprise 可谈发票与专属基础设施。
用量小的个人开发者
有条件50€ 体验金为一次性、不按月重置，用完后需充值或升级才能继续，长期白用不可行。
要求私有化部署的团队
不推荐以云 API 形式提供服务，官网未公开本地部署或私有化交付的说明，这一需求无法满足。
Gladia优点和缺点
优点
- Starter 起步价明确，异步 $0.61 /hr、实时 $0.75 /hr
- 注册送 50€ 体验金，约合 80+ hours 预录转录
- Growth 异步低至 $0.20 /hr，比 Starter 低 67%
- 覆盖 100+ languages，并支持语码转换
- 三档均标注 SOC 2 Type II，Growth 起有 99.9% SLA
- 给出开放基准与模型页，便于自行复核准确率
缺点
- 体验金一次性发放，不按月重置
- Starter 无 Uptime SLA 与优先处理队列
- 未提供本地化或私有部署方案
- 无免月费套餐，企业档价格需单独询价
- 准确率对比未列出各项具体分数
Gladia版本与计费对比
| 方案 | 价格 | 包含内容 | 说明 |
|---|---|---|---|
| Starter | Async $0.61 /hr；Real-time $0.75 /hr | 随用随付，适合中等音频量；含核心转录能力，注册送 50€ 体验金 | pay-as-you-go，可立即开始 |
| Growth | Async as low as $0.20 /hr；Real-time as low as $0.25 /hr | 需提前承诺用量换取低单价；含 Starter 全部能力，另加 99.9% Uptime SLA 与优先处理队列 | 67% less than Starter，需联系销售开通 |
| Enterprise | Custom | 年付方案，含自定义模型、微调与拆分定价；在 Growth 基础上增加专属基础设施与企业级支持 | 需联系销售，涉及企业级可用银行转账或发票，并有 volume discount |
以上为公开费率整理，厂商保留调价权利，实际以官方页面为准。
Gladia关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 会话语音准确率对比 | 29 % | 官网首页「Higher accuracy rate than alternatives on conversational speech」 |
| Starter 异步单价 | $0.61 /hr | 定价页 Starter 方案 |
| Starter 实时单价 | $0.75 /hr | 定价页 Starter 方案 |
| Growth 异步最低单价 | $0.20 /hr | 定价页 Growth 方案 |
| Growth 相对 Starter 降幅 | 67% | 定价页 Growth 方案 |
| 注册体验金 | 50€ | 定价页 Starter 赠送额度与官网 FAQ |
| 支持语言数 | 100+ languages | 定价页方案对比表 |
| Growth 与 Enterprise 可用性承诺 | 99.9% | 定价页 Uptime SLA 一行 |
| 开发者使用规模 | 350,000+ | 定价页「Trusted by 350,000+ developers worldwide」 |
| G2 评分 | 4.8 | 定价页「Rated 4.8 on G2」 |
Gladia常见问题
Gladia 多少钱，有免费额度吗？＋
按官网定价页，Starter 是随用随付：异步 $0.61 /hr、实时 $0.75 /hr。注册送 50€ 体验金，但官网说明这是一次性赠送、不按月重置，按当前费率约等于 80+ hours 预录转录或 60+ hours 实时转录。Growth 异步可低至 $0.20 /hr，实时低至 $0.25 /hr；Enterprise 需联系销售。
它现在主力提供什么能力？＋
核心是语音转文字 API，同时支持异步转录与实时流式，并配说话人分离、词级时间戳、100+ languages 与语码转换。后处理侧提供命名实体识别、自定义词汇表、上下文格式化与幻觉过滤。Growth 与 Enterprise 带 99.9% Uptime SLA，三档都标 SOC 2 Type II，Enterprise 还有专属基础设施。
和 AssemblyAI、Deepgram 这些怎么选？＋
官网把 AssemblyAI、ElevenLabs、Deepgram、Soniox、Speechmatics 与 Mistral 列在同一行准确率对比中，并宣称自己在会话语音上比这些替代方案高 29%，但没有给出各家分项分数。选型时建议照官网的开放基准方法，用自己的音频复测，再结合单价（如 Starter 异步 $0.61 /hr）与 SLA 需求决定。
怎么付款，会不会有隐藏费用？＋
FAQ 写明使用预付费钱包机制，可手动充值或设置自动充值，余额低于自定阈值时自动补款并通知。支付走 Stripe，支持 Visa 与 Mastercard，企业级方案还可用银行转账或发票。明确说没有 setup fees 或隐藏成本，且可随时在账户设置里升降档。
有调用量限制吗？＋
有。FAQ 说限制包括每小时调用次数与可转录音频总时长，具体取决于所用档位，想提高上限需要联系销售调整方案。另一个容易忽略的限制是体验金：50€ 为一次性发放、不按月重置，用完后必须充值或升级才能继续转录。
中国大陆能正常调用吗？＋
没有提到地区限制、服务节点或对中国大陆网络的支持情况，也没有给出本地化部署选项。它是云端 API，音频需要上传处理，因此接入前要自行确认网络可达性与跨境音频数据的合规要求，企业可向销售询价并核对合同条款中的数据条款。
多语言会议能准确转录吗？＋
支持 100+ languages，并提供 code-switching，能在同一段音频里检测并转录多种语言而无需手动配置。给出两条实践建议：以单语言为主、偶尔夹人名或产品词的会议用单语言模式更稳；真正多语言的对话再开语码转换，避免说话人切语言时丢内容。
Gladia竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Gladia本工具 | 4.5 | Starter 异步 $0.61 /hr 起，送 50€ 体验金 | 实时与异步转录；说话人分离；多语言与语码转换；命名实体识别 | API / Web |
| AssemblyAI本工具 | — | 未标价 | 出现在官网首页准确率对比行中，与 Gladia 同列为会话语音转录的替代方案，官网未公布其分项分数。 | — |
| Deepgram本工具 | — | 未标价 | 同属官网对比行里的替代方案之一；官网只给出整体高 29% 的说法，没有逐家对比数据。 | — |
| Speechmatics本工具 | — | 未标价 | 出现在官网「Higher accuracy rate than alternatives on conversational speech」对比行中。 | — |
| ElevenLabs本工具 | — | 未标价 | 被官网列入同一行准确率对比名单，属于语音领域的对照产品。 | — |
| Soniox本工具 | — | 未标价 | 准确率对比行中列出的语音识别替代方案之一。 | — |
给出的差异只有一个方向：在会话语音上，Gladia 声称比 AssemblyAI、ElevenLabs、Deepgram、Soniox、Speechmatics 与 Mistral 高 29% 准确率，但没有公开逐家分数，也刻意标注了开放基准方法供人复核。所以选型结论要看你的场景：需要说话人分离、命名实体识别与多语言语码转换一起用，且希望按量付费从 $0.61 /hr 起步，选 Gladia 更对口；如果已有厂商的报价与 SLA 更匹配你的采购周期，建议先用同一批音频做横向复测，再按结果谈价。
