多语言单模型转写
Melia 1 可在不预先指定语言的情况下转写 56 种语言，并支持说话人在句子中途切换语言时继续识别，适合混合语言对话场景。
官方说明 ↗
价格按量计费，Melia 1 $0.12/小时起，新用户赠 $100 额度
平台Web / API
归类语音识别与转写
收录2026-10-12
复核2026-10-12
编辑评分
4.4 / 5
★★★★☆
Speechmatics编辑总结
Speechmatics 是一套面向企业级语音 AI 的语音识别 API，覆盖语音转文字、语音智能体与文字转语音三类能力。主力模型包括新一代多语言模型 Melia 1（$0.12/小时）、最高精度的 Enhanced（$0.38/小时）以及医疗模型 Oak 1 Medical（$0.15/小时）。其突出特点是以单一模型转写 55+ 种语言并支持句子中途切换语言，实时转写延迟小于 1 秒；工程上支持云、本地、端侧三种部署。明显的限制是自服务档并发会话上限 50（免费档仅 2），安全合规认证中的 SSO 属于每月 280 美元的付费附加项。
Speechmatics是什么？
Speechmatics 是一套面向企业客户的语音识别平台，核心产品是语音转文字 API，同时提供语音智能体与文字转语音能力。它主攻的是有合规与部署要求的行业场景，包括医疗、媒体与广播、联络中心、法律转录与会议记录。
当前可确认的主力模型分为三类：面向多语言的 Melia 1、面向单语最高精度的 Enhanced、面向临床语言的 Oak 1 Medical，另有标准模型与语音智能体专用的 Linden 1。平台支持先录制文件转写与实时转写两种模式，实时模式首次出稿可到毫秒级，并随上下文持续修正精度。部署方式覆盖云端 SaaS、多区域云、容器本地化与端侧运行，默认不对数据做日志留存用于模型训练。
开发者可通过统一的 API 与原生集成接入，自服务账户提供 UI 与 API 访问、项目与 API 密钥管理；企业账户则增加专属客户成功经理与解决方案工程师、无限并发、无限文件吞吐与 SSO 等控制项。
Speechmatics核心功能
实时低延迟转写
实时模式可处理直播音频与视频，首次出稿在毫秒级，官方给出的语音转文字延迟指标为不到 1 秒，并随上下文持续改善准确度。
官方说明 ↗文件批量转写
先录制模式可批量处理数千小时的音视频文件，按需调度，适合媒体归档、会议录音与批量素材整理。
官方说明 ↗说话人分离与自定义词表
说话人分离与自定义词典为标准配置，可标注每段话由谁所说，并把专业术语、药品名、缩写等按自定义词表准确还原。
官方说明 ↗医疗专用模型
Oak 1 Medical 面向临床语言优化，覆盖药品名、剂量、缩写与手术术语，可将关键术语的错误率最多降低 50%。
官方说明 ↗三种部署方式
同一套 API 可选择云端 SaaS、多区域云（EU、US、AUS）、容器本地化或端侧运行，便于满足不同隐私与延迟要求。
官方说明 ↗附加处理能力
可在转写之上叠加翻译（$0.49/小时）、章节切分（$0.30/小时）、主题（$0.15/小时）、摘要与情感（各 $0.09/小时），PII 脱敏与实体检测需按需申请。
官方说明 ↗企业级安全合规
持有 ISO/IEC 27001:2022、GDPR、HIPAA 与 SOC 2 Type II 认证，默认不将数据记录用于模型训练，企业账户可选数据处理地区。
官方说明 ↗Speechmatics值不值得用？
当你要做的是混合语言对话、直播字幕或医疗口述这类对准确率和部署位置都有硬要求的场景时，Speechmatics 值得优先评估：Melia 1 的 $0.12/小时在同类里属于低价档，且支持三种部署方式与四类合规认证。反之，如果你只是偶尔转写几条录音、又不想碰 API，它的自服务档并发会话最多 50、免费档只有 2，文件吞吐每秒 10 个，上手成本高于面向个人用户的转写工具。做规模化批量处理时，自服务档的企业级能力（无限并发、无限吞吐、SSO）需要联系销售升级，SSO 还是每月 280 美元的付费附加项。
建议选它的情况
- 需要单模型覆盖 55+ 语言、且说话人会在句中切换语言的对话场景
- 对实时性要求高，语音转文字延迟需控制在 1 秒以内的直播或语音智能体
- 有数据本地化或端侧要求，需要用容器或端侧部署的隐私敏感行业
- 医疗口述与临床对话，需要药品名、剂量等术语准确还原
不建议选它的情况
- 只偶尔转写少量录音、不打算写代码接 API 的个人用户
- 需要免费长期跑实时转写，免费档 2 路并发会话不够用
- 没有企业采购流程、又必须用 SSO 登录的团队，SSO 需额外付费
Speechmatics使用建议
入门先把路子走对
- 先用 $100 额度试模型新用户可领取 $100 免费额度，先用同一段真实录音分别跑 Melia 1（$0.12/小时）与 Enhanced（$0.38/小时），对比自己场景下的准确率再决定主力模型。
- 按场景选预录制还是实时录音归档、会议回放走预录制接口，成本更低；直播字幕、语音智能体走实时接口，因为实时与预录制是两套定价与模型可用性。
- 先配自定义词典把品牌名、产品名、专业缩写先加进自定义词典，再开始批量转写，能显著减少事后人工校对量。
进阶省时间也省钱
- 用训练折扣与量级折扣压成本官方提供模型训练折扣 33%，以及每笔额度最高 25% 的用量折扣，长期跑量的项目值得提前确认自己是否符合条件。
- 按需叠加附加处理摘要与情感各 $0.09/小时、主题 $0.15/小时、章节 $0.30/小时、翻译 $0.49/小时，只对真正需要的环节开启，避免全量叠加抬高单价。
- 先做一轮术语错误率验证医疗模型可将关键术语错误率最多降低 50%，但这一数字与素材、口音相关，建议用自己科室的真实录音做一轮对比再投产。
Speechmatics适合谁用？
语音智能体开发者
推荐需要亚秒级、带说话人识别的 STT 与 TTS，覆盖 55+ 语言，并通过灵活 API 与原生集成快速接入，自服务档 50 路并发基本够开发与灰度。
医疗口述与病历团队
推荐Oak 1 Medical 面向临床语言，覆盖药品名、剂量、缩写与手术术语，并具备 HIPAA 合规与本地化部署选项。
媒体直播与新闻字幕
推荐实时转写延迟低于 1 秒，适合体育、新闻等直播字幕场景；批量归档走预录制接口，按小时计费成本可控。
联络中心分析团队
有条件可用于通话转写、说话人分离与情感分析，但情感、摘要等能力为按小时计费的附加项，需把它们计入单次通话成本。
个人播客或自由职业者
不推荐没有面向个人的低价套餐，免费档只有 2 路实时并发、每秒 10 个文件，且需要通过 API 接入，投入产出比不高。
Speechmatics优点和缺点
优点
- Melia 1 支持 56 种语言单模型转写，且可在句子中途切换语言
- 实时语音转文字延迟低于 1 秒，官方标称毫秒级首次出稿
- Melia 1 每小时 $0.12，标准模型 $0.23、Enhanced $0.38
- 同一套 API 支持云端、多区域云、本地容器与端侧部署
- 持有 ISO 27001、GDPR、HIPAA 与 SOC 2 Type II 四项认证
- 默认不将数据记录用于模型训练，企业可选 EU、US、AUS 数据处理地
缺点
- 自服务档实时并发上限 50，免费档仅 2，扩展需联系销售
- 自服务档每秒仅 10 个文件，大批量处理需企业档
- SSO 属于付费附加项，价格为每月 280 美元
- 翻译、摘要、情感、章节等能力均按小时单独计费
- 官网未公开 Linden 1 语音智能体模型的具体价格
Speechmatics常见问题
Speechmatics 怎么收费？＋
按转写时长计费。预录制模型的公开费率为：Melia 1 $0.12/小时、Standard $0.23/小时、Enhanced $0.38/小时，医疗模型 Oak 1 Medical $0.15/小时。提供模型训练折扣 33% 和每笔额度最高 25% 的用量折扣。
有免费额度吗？＋
有。自服务账户可免费开始并获赠 $100 额度，免费档实时转写支持 2 路并发会话。付费后自服务档实时并发上限为 50 路，预录制每秒 10 个文件。如果要更高的并发与无限文件吞吐，需要联系销售升级为企业档。
支持多少种语言？能处理混合语言吗？＋
Melia 1 支持 56 种语言，且不需要在转写前预先指定语言，说话人在一句话中间切换语言也能继续识别。Enhanced 模型则要求你为每段转写指定语言，换来的是最高精度。平台整体覆盖 55+ 种语言。
数据安全与部署方式怎么样？＋
平台同时持有 ISO/IEC 27001:2022、GDPR、HIPAA 与 SOC 2 Type II 四项认证，默认不将数据记录用于模型训练。部署可选择云端 SaaS、多区域云（EU、US、AUS）、本地容器与端侧运行，企业账户还能选择数据处理所在地区。SSO 是需要额外付费的附加项，每月 280 美元。
医疗场景有专门的模型吗？＋
有。Oak 1 Medical 是面向临床语言的最新医疗模型，费率为 $0.15/小时，覆盖药品名、剂量、缩写与手术术语，并具备完整的多语言支持。它可将关键术语的错误率最多降低 50%。
