AI 导航
01Gladia 是什么
Gladia 是给开发者用的语音 API：上传音频，返回带时间戳的文字、说话人分段和摘要。
它把多个开源模型（包括 Whisper 系列）封装成统一接口，还加了预处理的降噪和语言识别。
短板是价格和中文。按小时计费，长音频成本不低；中文识别和标点不如国内厂商自然，专业术语要自己纠。
02Gladia 能做什么
语音转写
多语种。
说话人分离
多人会议。
时间戳
精确到词。
音频理解
情绪和事件。
API 和 SDK
接入简单。
03它比直接用 Whisper 多的东西
多的都是工程活。
| 能力 | 说明 |
|---|---|
| 模型路由 | 按语言和场景选模型 |
| 预处理 | 降噪和声道处理 |
| 说话人分离 | 多人会议必备 |
| 格式化输出 | 时间戳和段落 |
04怎么开始用 Gladia
- 先测一段真实录音看中文质量。
- 开降噪预处理嘈杂素材有用。
- 按小时估成本长音频先算。
- 结果要人工抽检术语会错。
05好在哪，差在哪
接口统一
换模型不用改代码。
多语种覆盖广
跨境场景。
文档清楚
上手快。
用得上
- 开发者接语音转写
- 多语种会议记录
- 说话人分离需求
- 不想自己搭 Whisper
别指望
- 中文高准确要求
- 完全离线部署
- 免费大量使用
- 实时低延迟场景
06价格和套餐
| 版本 | 价格 | 说明 |
|---|---|---|
| 免费额度 | 免费 | 少量时长。 |
| 按小时计费 | 按用量 | 阶梯价。 |
| 企业版 | 面议 | 私有化和定制。 |
按音频小时计费，免费额度只够测试。中文断句和标点一般，重要内容必须人工校对。
07谁适合用
会议转写
多人分离。
播客字幕
多语种。
客服录音
质检分析。
视频字幕
时间轴。
08官网入口
官方域名 gladia.io，国内访问一般。音频含个人信息，上传前需获授权。
09同类工具
10常见问题
Gladia 是什么？
面向开发者的语音识别 API，提供转写、说话人分离、时间戳和音频理解。
和 Whisper 怎么选？
直接用 Whisper 免费但要自己搭，要托管 API 和预处理选 Gladia。
怎么收费？
按音频小时计费，有免费额度。
中文好吗？
一般，不如国内厂商，标点要校对。