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暴露标准/v1/audio/transcriptions终点，并以正常转录响应格式返回最终转录本。

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

通过 wss@api.empiriolabs.ai/v1/realtime？model=stepaudio-2-5-asr-stream 的 WebSocket 进行实时转录，并用普通授权承载人头进行认证。将 16 kHz pcm16 音频上传并带 input_audio_buffer.append，并在说话者还在说话时读取部分结果，服务器端的语音活动检测会标记每句话的结束位置。用于实时字幕和语音输入;对于完成的录音，POST /v1/audio/transcriptions 一次通话返回整个文字记录。计费按您流媒体音频的时长计费，会话结束时确定。

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？

StepAudio 2.5 ASR Stream 运行在 WebSocket 上，而不是一次请求一次响应，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。