StepAudio 2.5 ASR Stream API

关于 StepAudio 2.5 ASR Stream

通过插槽进行实时转录，随着说话者说话时返回部分结果，语音活动检测会标记每一句话。

EmpirioLabs exposes the standard WEBSOCKET /v1/realtime endpoint and returns partial and final transcripts as the speaker talks.

也称为 StepAudio ASR Stream, StepFun StepAudio 2.5 ASR Stream

StepAudio 2.5 ASR Stream 规格

模型 ID

stepaudio-2-5-asr-stream

开发方

StepFun

类别

转录

发布日期

2026年7月16日

输入

音频

输出

文本

区域

International

端点

WEBSOCKET/v1/realtime

备用模型 ID

stepaudio-2.5-asr-streamstepfun/stepaudio-2-5-asr-stream

StepAudio 2.5 ASR Stream API 价格

来自 EmpirioLabs 目录的实时按量计费价格。只为实际用量付费，没有月度最低消费。

如何调用 StepAudio 2.5 ASR Stream API

StepAudio 2.5 ASR Stream 通过 wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-2-5-asr-stream 的 WebSocket 转写实时音频流，而不是通过 HTTP 端点。使用模型 id stepaudio-2-5-asr-stream 连接，并在握手时将 EmpirioLabs API 密钥作为 Authorization: Bearer 请求头发送。追加 base64 编码的 16 位 PCM 音频，说话过程中即可读取转写事件。 浏览器无法为 WebSocket 设置请求头，请从你的服务器发起该连接，再通过你自己的 socket 把音频转发给浏览器。 在EmpirioLabs 控制台获取 API 密钥。

import asyncio, json, os, websockets

async def main():
    async with websockets.connect(
        "wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-2-5-asr-stream",
        additional_headers=[
            ("Authorization", f"Bearer {os.environ['EMPIRIOLABS_API_KEY']}"),
        ],
        max_size=None,
    ) as ws:
        print(json.loads(await ws.recv())["type"])  # session.created

        import base64

        # 16-bit PCM microphone audio, base64 encoded, in small chunks.
        for chunk in read_microphone_chunks():
            await ws.send(json.dumps({
                "type": "input_audio_buffer.append",
                "audio": base64.b64encode(chunk).decode(),
            }))

        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))

        async for raw in ws:
            event = json.loads(raw)
            if event["type"].endswith("input_audio_transcription.delta"):
                # "text" is settled transcript; "stash" is still in progress.
                if event.get("text"):
                    print(event["text"], end="", flush=True)

asyncio.run(main())

StepAudio 2.5 ASR Stream API 参数

EmpirioLabs 上 StepAudio 2.5 ASR Stream API 支持的请求参数。省略字段时使用默认值。

须知

Live transcription over a WebSocket at wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-2-5-asr-stream, authenticated with the ordinary Authorization Bearer header. Stream 16 kHz pcm16 audio up with input_audio_buffer.append and read partial results back as the speaker is still talking, with server-side voice activity detection marking where each sentence ends. Use this for live captions and voice input; for a finished recording, StepAudio 2.5 ASR returns the whole transcript in one call. Billing follows the duration of audio you stream, settled when the session closes.

StepAudio 2.5 ASR Stream API：常见问题

StepAudio 2.5 ASR Stream API 收费多少？

在 EmpirioLabs，StepAudio 2.5 ASR Stream 按量计费：转录 $0.18 每小时音频。本页的实时价格表始终与 API 的实际计费一致。

StepAudio 2.5 ASR Stream 使用哪个端点？

StepAudio 2.5 ASR Stream 通过 api.empiriolabs.ai 上的 WEBSOCKET /v1/realtime 提供，使用标准的 Bearer 令牌认证。

集成之前可以在浏览器里试用 StepAudio 2.5 ASR Stream 吗？

打开EmpirioLabs Playground并点击 Start session，即可在浏览器中试用。StepAudio 2.5 ASR Stream 运行在 WebSocket 上，而不是一次请求一次响应，因此接入时请从实时语音快速入门开始。用 EmpirioLabs API 密钥和模型 id stepaudio-2-5-asr-stream 从你的服务器连接，然后双向流式传输音频。

如何获取 StepAudio 2.5 ASR Stream API 密钥？

创建 EmpirioLabs 账户，然后在控制台的 API Keys生成密钥。计费使用按量付费的额度，只为实际发出的请求付费。