Paxa Labs 与 Google Cloud Speech-to-Text：泰语及多语言转写对比
面向泰语及其他语言的转写 API 与 Google Cloud Speech-to-Text 和 Chirp 3 的比较，涵盖泰语支持、夹杂英语的语句、词级时间戳、说话人轮次和计费方式。
在 Google Cloud 上转写泰语录音，先要看它的语言表。Speech-to-Text V2 API 上的 Chirp 3 把泰语列为 Preview，其说话人分离支持的语言里没有泰语。Paxa STT Lite 按原话转写泰语和其他语言，同一个请求即可返回词级时间戳和说话人轮次。该模型是研究预览版，按公布价格销售，转写结果和选项可能随版本变化。如果您的音频已经存放在 Cloud Storage，请用自己的泰语录音在两边各转写一次。
价格与说明最近核实于 2026年10月
差异
| 维度 | Paxa Labs | Google Cloud Speech-to-Text（在新标签页中打开） |
|---|---|---|
| 泰语转写 | 泰语优先，其他语言按原话转写，不做翻译。 | Chirp 3 将泰语（th-TH）的转写列为 Preview 阶段。 |
| 夹杂英语的泰语 | 泰语句子中途切换成英语时按原话写出，无需任何设置。language 字段是可选的 BCP 47 提示，不填时由模型自行识别语言。 | 把 language_codes 设为 auto，会识别并转写音频中占主导的语言。 |
| 提交录音 | 录音随请求一起发送，模型为 paxa-stt-lite-v1-preview，在 /v1/stt 上用 base64，在兼容 OpenAI 的接口上用 multipart 文件。转写结果在响应中返回。 | Recognize 处理一分钟以内的音频。更长的音频走批量识别，只能读取存放在 Cloud Storage 中的文件，结果在响应中返回或写入 Cloud Storage。 |
| 词级时间戳 | 最长 60 分钟的录音都能返回词级时间段，泰语自动分词，拉丁字母单词和数字保持完整。 | Chirp 3 的 BatchRecognize 一般可处理最长一小时的音频，开启词级时间戳后最长 20 分钟。 |
| 说话人轮次 | 录音短于 9 分钟时返回说话人轮次，从 0 开始编号。 | 说话人分离只支持公布列表中的语言，其中没有泰语。 |
| 词汇表 | 每个请求最多 50 个词条，泰语或其他语言均可，按希望在转写稿中出现的写法拼写。 | Chirp 3 的语音自适应最多接受 1,000 个短语。 |
| 计费 | 转写前按从文件读取的实际时长扣费，转写失败时自动退还。 | 按成功处理的音频计费，每个请求向上取整到秒，每个声道分别计费。以服务器错误结束的请求不收费。 |
来源：Google Chirp 3 model（在新标签页中打开）Google batch recognition（在新标签页中打开）Google Cloud Speech-to-Text pricing（在新标签页中打开）
- Paxa STT Lite，每小时音频
- $0.50
- Google Cloud Speech-to-Text
- $0.18-0.96
- 对方价格的倍数
- 0.36-1.9×
Google 的价格区间从 dynamic batch 到 V2 API 的 standard recognition，这两项标价都涵盖 Chirp 模型，standard 按每月第一档用量计。所有价格均按每小时录音计，从服务商最便宜的按量付费模型到最贵的模型。按分钟或按秒计费的价格均已换算为这一单位。
按您的用量计算的费用
| 每月音频时长 | Paxa Labs | Google Cloud Speech-to-Text | 差额 |
|---|---|---|---|
| 10 小时 | Paxa Labs$5 | Google Cloud Speech-to-Text$1.80-9.60 | 差额贵 $3.20 |
| 100 小时 | Paxa Labs$50 | Google Cloud Speech-to-Text$18-96 | 差额贵 $32 |
| 1,000 小时 | Paxa Labs$500 | Google Cloud Speech-to-Text$180-960 | 差额贵 $320 |
| 10,000 小时 | Paxa Labs$5,000 | Google Cloud Speech-to-Text$1,800-9,600 | 差额贵 $3,200 |
每个数字都是双方公布的价格乘以旁边的用量。如果对方公布的是价格区间，就按最低价比较，并显示该区间。
什么情况下 Google Cloud Speech-to-Text 更合适
已经在用 Google Cloud 的团队，可以把转写留在现有的项目、账单和 Cloud Storage 存储桶里。Chirp 3 的语音自适应最多接受 1,000 个短语，我们的词汇表接受 50 个词条。对于不赶时间的音频，dynamic batch 可以降低费率。当录音是泰语或夹杂英语的泰语，并且转写稿需要说话人轮次时，请选择我们。
常见问题
研究预览版对生产使用意味着什么？
Paxa STT Lite 在评估期间按公布价格销售。转写结果和选项可能随版本变化，产品页面的更新日志会记录每一次变更。
能转写实时音频吗？
可以。Paxa STT Lite Realtime 通过 WebSocket 工作，自行判断每一轮发言在哪里结束，并在每轮结束后发送完整的转写结果。它同样是研究预览版，按收到的音频计费。
是否发布准确率对比？
没有。我们不公开自己测得的准确率或速度数据，无论针对我们的模型还是其他任何模型。请用同一段录音在两边各转写一次，对照阅读两份转写稿。
这里的价格有多新？
价格取自各家公开的标价，集中记录在一处，并按固定周期复核。最近一次核对的月份标在页面顶部。
其他对比
从免费积分开始
使用 Google、GitHub 或 Hugging Face 登录，即可用 100 一次性免费积分处理您自己的文本。
免费开始