64ms 低延迟转录
实时语音转文字模型延迟低至 64ms，sub-70ms 延迟适合客服通话、直播字幕等需要即时出字的场景。
Speech-to-Text by Smallest AI
AI TOOL PROFILE工具资料支持 38+ 语言的实时语音转文字平台，模型延迟低至 64ms
价格未公开 Speech-to-Text 独立定价，可免费试用
平台Web / API
归类AI 编程
收录2026-01-01
复核2026-01-01
编辑评分
4.5 / 5
★★★★☆
Speech-to-Text by Smallest AI编辑总结
Pulse 是 Smallest AI 推出的语音转文字平台，能把实时语音、通话、音频和视频转成结构化文本。主打 64ms 模型延迟、38+ 语言识别、说话人标注和语音智能分析（情绪识别、语言检测、敏感数据脱敏）。在 30+ 语言上词错误率低于竞品，延迟低于 70ms。网站提供免费试用入口和企业销售联系通道，但 Speech-to-Text 本身的独立定价未在该页面公开，具体费用需要联系销售或查看定价页。
Speech-to-Text by Smallest AI是什么？
Pulse 是 Smallest AI 旗下的语音转文字（Speech-to-Text）产品，面向需要把语音内容转为可搜索、可分析文本的开发者和企业团队。它能处理实时语音、通话录音、音频和视频文件，输出带说话人标签的结构化文本。
平台的核心能力围绕实时性展开：64ms 模型延迟、30+ 语言上最低的词错误率、sub-70ms 延迟，适合客服、会议转录、语音代理等对响应速度敏感的场景。除基础转录外，还提供情绪识别、语言自动检测、说话人分离和 PII/PCI 敏感数据脱敏。
不同角色用法不同：开发者可以通过 Python 或 Node 调用 API，支持批处理和实时流式两种模式；企业团队可以结合 Smallest AI 的语音代理产品线使用，按用量计费。普通用户可以直接在网页上点击试用实时转录。
Speech-to-Text by Smallest AI核心功能
38+ 语言识别
覆盖 38+ 语言，在 30+ 语言上词错误率低于竞品，对不同口音、方言和录音条件做了优化。
说话人分离标注
自动识别多说话人音频中的说话人切换，为每段发言标注对应说话人，方便会议记录和通话分析。
情绪识别
在转录文本之外返回情绪上下文，检测用户情绪，让客服和语音代理的回应更有同理心。
敏感数据脱敏
支持 PII 和 PCI 脱敏，在转录结果进入下游流程前处理敏感信息，适合金融、医疗等合规场景。
语言自动检测
在进入下游处理前自动识别输入音频的语言，减少多语言场景下的手动配置工作。
Python 与 Node 集成
提供 Python 和 Node 的 API 集成方式，支持批处理与实时流式两种模式，需注意音频采样率和响应字段。
Speech-to-Text by Smallest AI值不值得用？
Pulse 适合对延迟和准确率都有要求的实时转录场景，尤其是客服通话、语音代理和会议记录。64ms 延迟和 38+ 语言支持在同类产品中有竞争力。但 Speech-to-Text 的独立定价没有公开，如果预算敏感或需要提前算清成本，需要先联系销售确认。另外，具体语言列表和免费额度上限官网未公开，选型前建议用实际音频做验证。
建议选它的情况
- 需要实时转录且对延迟敏感的场景，如客服通话和直播字幕
- 业务覆盖多语言、需要 38+ 语言识别的团队
- 需要说话人分离、情绪识别和敏感数据脱敏的合规场景
不建议选它的情况
- 预算敏感且需要提前确认单价的个人开发者
- 只需要离线批量转录、对实时性无要求的场景
- 需要明确免费额度上限和语言完整列表再决定的用户
Speech-to-Text by Smallest AI使用建议
入门先把路子走对
- 先用网页体验在官网点击「Start transcribing」或页面任意位置，可以直接在浏览器里试实时转录效果，不用先写代码。
- 确认音频采样率调用 API 前先检查输入音频的采样率和编码格式，集成指南里明确提到采样率不匹配是准确率下降的常见原因。
进阶省时间也省钱
- 批处理与流式分开处理批处理和实时流式模式的响应字段不同，响应处理代码要对应各自模式，混用容易读错字段导致转录结果异常。
- 利用语言自动检测多语言业务可以开启自动语言检测，让系统在转录前识别语种，减少手动指定语言的分支逻辑。
- 合规场景开脱敏金融、医疗等涉及敏感信息的场景，可以在转录流程中启用 PII/PCI 脱敏，避免敏感数据进入下游系统。
Speech-to-Text by Smallest AI适合谁用？
语音代理开发者
推荐需要把通话实时转成文本并驱动后续逻辑，64ms 延迟和流式 API 适合这类对响应速度敏感的场景。
客服与呼叫中心团队
推荐需要转录通话、区分说话人、识别情绪并做 PII 脱敏，Pulse 的语音智能能力基本覆盖这些需求。
多语言业务团队
有条件覆盖 38+ 语言，适合跨国客服和全球化产品，但具体语种完整列表官网未公开，选型前需确认目标语言是否在列。
预算敏感的个人开发者
有条件Speech-to-Text 独立定价未公开，只有语音代理套餐的每分钟价格可供参考，个人项目较难提前估算成本。
Speech-to-Text by Smallest AI优点和缺点
优点
- 模型延迟低至 64ms，sub-70ms，适合实时对话场景
- 支持 38+ 语言，30+ 语言上词错误率低于竞品
- 提供说话人分离、情绪识别和语言自动检测
- 支持 PII 和 PCI 敏感数据脱敏，适合合规场景
- 提供 Python 和 Node 集成，支持批处理与实时流式
- 语音代理套餐价格透明，按 $0.09-$0.21/minute 计费
缺点
- Speech-to-Text 独立定价未公开，需联系销售
- 免费额度上限未说明，只提到 Start with $10 in free credits
- 具体支持的 38+ 语言完整列表官网未列出
- 企业级 SLA 和合规支持只在 Enterprise 套餐提供
Speech-to-Text by Smallest AI版本与计费对比
| 方案 | 价格 | 包含内容 | 说明 |
|---|---|---|---|
| Pay as you go | $10 in free credits | Unlimited Agents | 按用量计费，无承诺或长期合同，价格随所选模型变化，$0.09 - $0.21/minute，最低可至 $0.05/minute |
| Enterprise plan | Tailored pricing | Unlimited Agents | 面向生产级团队，提供专用基础设施、企业级 SLA、SSO 和合规支持，需联系销售 |
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。
Speech-to-Text by Smallest AI关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 模型延迟 | 64ms | 官网首页 |
| 支持语言数 | 38+ languages | 官网首页 |
| 低错误率覆盖语言数 | 30+ languages | 官网首页 |
| 延迟上限 | sub-70ms latency | 官网首页 |
| 免费额度 | $10 in free credits | 定价页 |
| 语音代理每分钟价格 | $0.09 - $0.21/minute | 定价页 |
| 语音代理最低每分钟价格 | $0.05/minute | 定价页 |
| Speech to Text Layer 价格 | ~$0.009/minute | 定价页 |
| Smallest Hosting Fees | $0.01/min, Flat Rate | 定价页 |
| 电话号码租金 | $10/number/month | 定价页 |
Speech-to-Text by Smallest AI常见问题
Pulse 的 Speech-to-Text 免费吗？＋
官网提供 Start with $10 in free credits 和 Start for free 的入口，但 Speech-to-Text 本身的独立定价和免费额度上限官网未公开。如果只是验证效果，可以直接在官网页面点击试用实时转录，不需要先付费。
转录延迟是多少？＋
官网给出的模型延迟是 64ms，并提到 sub-70ms latency，适合实时对话场景。这个延迟指的是模型层面的处理时间，实际端到端延迟还会受网络和音频传输影响。
支持哪些语言？＋
官网写的是 38+ languages，并在 30+ 语言上给出最低词错误率。但具体是哪些语言，官网没有列出完整清单，选型时需要确认目标语言是否在支持范围内。
怎么集成到自己的应用里？＋
官网提供了 Python、Node 和流式集成的指南，支持批处理和实时流式两种模式。集成时需要注意音频条件、采样率和响应字段，这些是影响实际转录准确率的常见因素。
能做说话人分离和情绪识别吗？＋
可以。Pulse 提供说话人分离，能识别多说话人音频中的切换并标注每段发言；同时提供情绪识别，在转录文本之外返回情绪上下文。这两项能力都适合客服和会议场景。
打电话进来能转录吗？＋
Smallest AI 的语音代理产品线支持 telephony，可以租用电话号码，$10/number/month，并包含 Speech to Text Layer 约 $0.009/minute。Speech-to-Text 本身是否单独支持电话接入，官网未单独说明。
Speech-to-Text by Smallest AI最新动态
-
发布 Python、Node 与流式集成指南
博客发布了 Speech to Text API 的集成指南，覆盖 Python、Node 调用方式以及批处理和实时流式模式的响应处理。
官方公告 ↗
