Speechmatics 语音转写免费额度：注册赠 100 美元约合八百小时

Speechmatics 的接口按用途分成三块：批处理转写、实时转写、语音合成。三块共用同一个 API Key，但地址形态不同。

地址形态与鉴权方式

批处理转写是 REST 接口，地址形态为 https://asr.api.speechmatics.com/v2；实时转写是 WebSocket 接口，地址形态为 wss://eu.rt.speechmatics.com/v2，欧洲节点和美国节点的子域不同，以控制台文档里给出的那一条为准。语音合成走独立的 TTS 地址，同样以控制台 TTS 页面显示的端点和音色 ID 为准。所有请求都在请求头里带 Bearer 令牌。

export SPEECHMATICS_API_KEY="在控制台创建的 API Key"

模型名与获取途径

多语种混说场景用 melia-1，它在句中切换语言时不需要预先指定语种；标准转写模型则在请求里用 language 字段声明语种，用 operating_point 选择速度或准确率档位。可用模型清单和音色清单都在控制台文档里列出，按文档里的名字填写。

提交一次批处理转写

一次转写调用最关键的三组参数是：type 固定为 transcription；transcription_config 里放语言或模型、输出档位、是否开启说话人分离；data_file 上传音频文件。下面这条命令提交任务并返回任务 ID。

curl -X POST https://asr.api.speechmatics.com/v2/jobs/ \
  -H "Authorization: Bearer $SPEECHMATICS_API_KEY" \
  -F config='{"type":"transcription","transcription_config":{"model":"melia-1","operating_point":"enhanced","diarization":"speaker"}}' \
  -F data_file=@./sample.mp3

任务提交后是异步处理的，用返回的任务 ID 轮询状态，status 变成 done 之后再去取转写文本。

curl -H "Authorization: Bearer $SPEECHMATICS_API_KEY" \
  https://asr.api.speechmatics.com/v2/jobs/$JOB_ID

curl -H "Authorization: Bearer $SPEECHMATICS_API_KEY" \
  "https://asr.api.speechmatics.com/v2/jobs/$JOB_ID/transcript?format=txt"

做实时字幕时改用 WebSocket 地址，连接后先发一条开始识别消息并带上配置，再按块推送音频帧，最后发结束消息收尾。免费层只有 2 路并发，超过会直接被拒，所以实时通道适合做单路演示或小流量字幕，不适合批量并发。

语音合成调用

TTS 是同步接口，把文本和音色 ID 传给控制台文档给出的生成端点，返回的音频流直接写成文件。赠送的前 100 万字符和转写额度分开计算，可以同时试两条链路。

export SPEECHMATICS_VOICE_ID="控制台 TTS 页面列出的音色 ID"

curl -X POST "https://preview.tts.speechmatics.com/generate/$SPEECHMATICS_VOICE_ID" \
  -H "Authorization: Bearer $SPEECHMATICS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"text":"你好，这是一段语音合成测试。"}' \
  --output test.wav

额度耗尽与限流的典型表现和排查顺序

常见表现有三种：返回 401，说明密钥写错或没带 Authorization 头；返回 429 或提示并发超限，说明踩到了免费层 2 路实时并发或接口速率限制；返回 403 且提示余额不足，说明赠送额度已经用完。

• 先看响应状态码和错误正文，区分是鉴权问题、并发问题还是额度问题。
• 401 就重新核对密钥，注意别把密钥写进前端代码或提交进代码仓库。
• 429 先把批量任务降为串行、加指数退避重试，再回控制台用量页确认当前并发与速率档位。
• 403 或明确提示额度不足时，去用量页确认赠送额度的剩余量与有效期，再决定是否充值。
• 实时任务报错还要检查音频格式、采样率，以及开始消息里的配置字段是否拼错。