Gladia 实时语音转写

要解决什么问题

语音助手、会议记录、呼叫中心质检和直播字幕都需要边采边出字：延迟要低、片段要能不断更新，而不是等整段录音结束再跑离线 ASR。若你手里是现成的音视频文件或 URL，应走预录转写；本技能对应的是 Gladia Live API——通过 WebSocket 持续推送音频、实时收回转写与相关事件。

技能如何帮你落地

文档强调 SDK 优先：用官方 SDK 的 startSession() 建会话，再用 sendAudio() / send_audio() 按约 100ms 一帧连续送流，格式上的 encoding、sample_rate、bit_depth、channels 必须与真实流一致。会话里可配语言、receive_partial_transcripts、以及 endpointing（最终稿延迟与完整度的主旋钮：语音助手常见 0.05–0.1，字幕 0.2–0.4）。正常收尾是 stopRecording() 后用 get(id) 取最终结果；会话管理还有 list、getFile、delete 等，细节见技能内 references。

边界与常见坑

• 单会话最长 3 小时；免费档并发 1 路，付费档 30 路；计费按流式音频秒数，多声道按声道数乘时长。
• 支持编码包括 wav/pcm、wav/alaw、wav/ulaw；勿把下载路径当成 /audio，文件端点是 /v2/live/:id/file。
• 未调用 stopRecording() 会话会挂住；格式不一致是最常见的集成失败原因。Live 模式不提供预录里的说话人分离、PII 脱敏等能力——需要那些特性请换 pre-recorded-transcription 技能。