阿里云百炼（Model Studio）上的实时语音识别，常见入口是 Fun-ASR-Realtime（通用流式转写）、老一代的 Paraformer-realtime-v2，以及能在同一条流里做识别和翻译的 Gummy-realtime-v1。北京地域公开价里，只做转写大约每小时 $0.08～$0.17（按音频秒计费）。LecSync 实时语音 API 是每分钟音频 $0.006，折合每小时 $0.36；同一条 WebSocket 上会带回原文字幕、60 语种互译的配对译文、说话人标签和边开边写的纪要。
所以两边怎么选，重点不是「谁在中国更便宜」，而是「实时流上还要不要翻译、说话人和纪要」。
本文数据全部来自公开页面，2026 年 10 月 15 日核对。阿里云部分参考了语音识别模型总览、fun-asr-realtime（英文页美元价、中文页人民币价）、paraformer-realtime-v2，以及 Gummy-realtime-v1 模型卡片 / 实时 WebSocket 文档（人民币价；识别与翻译分开计费）。LecSync 部分来自开发者页面、计费文档和建连文档。只有人民币标价的行，用 Fun-ASR 双语价换算（0.00033 元/秒 与 0.000047 美元/秒），大约 7.02 元兑 1 美元。
结论先说
如果主要在阿里云北京（或新加坡国际接入）做中文向的流式转写，Fun-ASR、Paraformer 的公开价很有竞争力。Fun-ASR-Realtime 是每秒音频 0.000047 美元，大约每小时 $0.17，带热词、方言覆盖，默认 RPM 1,200。Paraformer-realtime-v2 在人民币价卡上更低（0.00024 元/秒，约每小时 $0.12），不过官方总览已经建议能迁就迁到 Fun-ASR 或 Qwen-ASR。
如果字幕要给听不懂原语言的人看，还要说话人和会中纪要，LecSync 更省事。翻译、说话人、术语表、实时纪要都包在每小时 $0.36 里。走阿里云的话，要么待在 Gummy 的语种矩阵里、接受识别和翻译两笔表；要么把 Fun-ASR 再接到另一家机器翻译。
两边的接入流程
LecSync：服务端调用 POST https://api.lecsync.com/v1/realtime/connect，写好音频格式、语言对和要开的功能，拿回流地址和一次性 token。客户端推 16 kHz 单声道 PCM。原文片段、按片段 ID 对齐的译文、带毫秒时间戳的说话人标签（speakers: true）和分段纪要（digest: true）都从这一条连接回来。网络抖动时，积压上限是 2 秒，延迟不会一路堆高。
Fun-ASR-Realtime / Paraformer：用 DashScope WebSocket（北京，或新加坡工作空间的国际接入），先发 run-task，再推二进制音频。结果按中间句和定稿句返回，并带词级时间戳。热词和 VAD 静音阈值是一等公民。总览里把说话人分离标成这些实时模型不支持，说话人能力写在离线 / 录音文件转写模型上。Fun-ASR-Realtime 和 Paraformer-realtime-v2 的识别流本身都不返回译文。
Gummy-realtime-v1：同一个实时模型可以只开识别、只开翻译，或两个都开。WebSocket 文档写明：识别和翻译按各自调用量独立计费，单价相同，至少要开一种能力；每次请求只设一个翻译目标语。公开说明大致是十来个混合语种的长时转写（含中/英/日/韩），中英日韩可互译，另有一些语种译入中文或英文。模型卡片默认 RPM 是 600。
参数对照表（2026 年 10 月 15 日核对）
| LecSync 实时语音 API | Fun-ASR-Realtime | Paraformer-realtime-v2 | Gummy-realtime-v1 | |
|---|---|---|---|---|
| 定位 | 转写 + 实时翻译 + 说话人 + 纪要 | 流式转写 | 流式转写（老一代） | 流式转写和/或翻译 |
| 公开价（北京） | 每分钟 $0.006（每小时 $0.36），功能全包 | 每秒 $0.000047 ≈ 每小时 $0.17 | 每秒 0.00024 元 ≈ 每小时 $0.12 | 每秒 0.00015 元 ≈ 每小时 $0.077 / 每项 |
| 加实时翻译 | 已包含 | 本模型没有，需另接 MT | 本模型没有，需另接 MT | 再记一笔同价表 ≈ 每小时 $0.15 |
| 语种 | 60 种任意互译，每条流一个语言对 | 多语种 + 中文方言 | 中文（含方言）/ 英 / 日 / 韩（部分 ID 还有德/法/俄） | 转写约 10 语；中英日韩互译；其他语种→中或英 |
| 会话中说话人 | 有，定稿片段带时间戳 | 实时不支持（总览） | 实时不支持（总览） | 未宣传说话人分离 |
| 实时纪要 | digest: true，同连接推送 | 无 | 无 | 无 |
| 自定义术语 | 术语表 + 强制译法 | 热词 | 热词 | 热词 |
| 默认 RPM（公开） | 未公布 | 1,200（北京 + 新加坡） | 1,200（北京） | 600（北京） |
| 地域 / 网关 | 6 个网关区域 | 北京；新加坡国际 WebSocket | 北京 | 价卡只列北京 |
| 音频（常见） | 16 kHz 单声道 PCM（v1） | pcm/wav/mp3/opus 等；Fun-ASR 任意采样率 | 任意采样率 | VAD 断句流 |
| 厂商姿态 | 单一分钟价，尽力而为 | 当前 Fun-ASR 主线 | 「尽量迁到 Fun-ASR 或 Qwen-ASR」 | 识别 / 翻译分表计费 |
1,000 小时要花多少钱
阿里云按北京公开价估算。只有人民币标价的，用 Fun-ASR 双语价换算（约 7.02 元/美元）。Fun-ASR 外挂翻译时，机器翻译以 Google Cloud Translation NMT 为例：每月前 50 万字符免费，之后每百万字符 $20，并按每小时讲话约 5 万字符估算。
| 1,000 小时实时字幕 | LecSync | 阿里云百炼 |
|---|---|---|
| 只要转写 | $360 | Fun-ASR 约 $169；Paraformer 约 $123；Gummy 只转写约 $77 |
| 加实时翻译 | $360 | Gummy 转写+翻译约 $154；Fun-ASR + Google NMT 约 $1,159 |
| 再加会话中说话人标签 | $360 | 上表实时 ASR 卡片不支持（要用离线文件转写，或换别家） |
| 再加实时结构化纪要 | $360 | Fun-ASR / Paraformer / Gummy 实时未列出 |
右栏是按公开单价算的，不代表商务报价。资源包和控制台活动还能把阿里云转写压得更低，这里不展开。更多厂商对比见加上翻译、说话人和纪要，1,000 小时要花多少。
这些情况选阿里云百炼
- 只要中文向流式转写，且盯公开价：Fun-ASR 约每小时 $0.17、Paraformer 约 $0.12，都低于 LecSync 的 $0.36。
- 方言和热词、人在中国链路里：Fun-ASR 总览强调方言、噪声鲁棒和大规格热词，适合国内客服、课堂一类场景。
- 语种落在 Gummy 矩阵里：中英日韩互译，或文档写明的译入中/英方向，两笔表合计大约每小时 $0.15，仍可能比 LecSync 便宜，也不用再接一家 MT。
- 整栈已经在阿里云上：DashScope SDK、北京 / 新加坡 WebSocket、Fun-ASR 默认 1,200 RPM，和现有阿里云账号、权限更顺。
- 说话人可以等会后再标：同一产品线的离线文件转写模型在总览里支持说话人分离。
这些情况选 LecSync
- 字幕要译成另一种语言，而且语种面要宽：60 语种任意互译，译文大约多 88 毫秒，并按片段 ID 配对。取舍见内置翻译还是自拼 STT + MT。
- 会中就要知道谁在说话：定稿片段可带
startMs/endMs说话人标签，见一条 WebSocket 拿到说话人和时间戳。 - 会中就要纪要：
digest: true在同一条连接上推送分段纪要。 - 只要一笔美元分钟账：功能开关不改每分钟 $0.006；没有收到音频不计费。
- 抖动后延迟不能越堆越高：积压封顶 2 秒，详见如何把实时字幕积压卡在 2 秒。
- 说话人不只在中国一条云地域：6 个网关区域，方便就近接入。
常见问题
Fun-ASR-Realtime 带翻译吗？
不带。它是语音转写模型。要在百炼上做实时翻译，可以看 Gummy-realtime-v1（识别和翻译分表），或按 Token 计费的较新 LiveTranslate 实时模型。LecSync 把转写和翻译放在同一条 WebSocket、同一个分钟价里。
Gummy 同时开识别和翻译怎么计费？
公开 WebSocket 文档写的是两项能力按各自调用量独立计费，单价相同。同一秒音频两个都开，相当于 Gummy 表记两倍于「只开转写」。
阿里云实时 ASR 能在流里标说话人吗？
语音识别总览里，Fun-ASR-Realtime 等实时识别行把说话人分离标成不支持；说话人写在离线 / 录音文件转写模型上。LecSync 在 speakers: true 时会在定稿片段上返回说话人标签。
Paraformer 还要不要继续用？
官方总览把 Paraformer 标成老一代，并建议尽量迁到 Fun-ASR 或 Qwen-ASR。Paraformer-realtime-v2 仍在价目上（0.00024 元/秒），也还覆盖中文方言和英/日/韩。
LecSync 每分钟 $0.006 包含什么？
60 语种实时转写、任意两种语言之间的实时翻译、对齐时间戳、说话人标签、术语表与领域上下文、AI 译文润色、实时结构化纪要，以及可选的录音与转写 JSON 30 天存储。功能开关不改变单价。
小结
转写为主、语种和部署都偏阿里云中国链路时，选百炼的 Fun-ASR / Paraformer（或语种合适的 Gummy）更划算。实时产品还要宽语种翻译、说话人字幕和会中纪要、并希望一笔美元分钟账时，选 LecSync。可以从开发者页面拉一条短流试一下：先 POST /v1/realtime/connect，再开一条 WebSocket。