Groq 的 Speech to Text API 在 LPU 上跑 OpenAI Whisper，走 OpenAI 兼容的文件接口。Console 文档里公开价（2026 年 10 月 25 日核对）是：whisper-large-v3 每小时音频 $0.111，whisper-large-v3-turbo 每小时 $0.04。
LecSync 实时语音 API 面向会议和课堂字幕：预览与定稿、60 种语言任意两种互译、每句定稿上的说话人和对齐录音的时间戳，以及边开边长的纪要。这些全部打开，仍是每分钟音频 $0.006，折合每小时 $0.36。
下文 Groq 数字于 2026-10-25 核对，来源包括 Speech to Text 文档（另有 markdown）、whisper-large-v3 / whisper-large-v3-turbo 型号页，以及 rate limits。营销站 groq.com/pricing 当天已不再列 STT 单价，金额只取自 Console 文档。
Groq Whisper 和实时字幕 STT，分别是什么？
Groq Whisper 是高吞吐的文件型语音转写：把音频文件或 URL 交给 /openai/v1/audio/transcriptions（译文走 /translations，输出英文）。LecSync 这类实时字幕 API 则是维持一条 WebSocket，人还在说就推 PCM，并在同一条连接上返回配对好的转写、译文、说话人和纪要，不必等整段录音传完。
先说结论
如果你要的是便宜、快速的文件转写（或 Whisper 英译），并且能自己拼实时管线，Groq Whisper 在纯 STT 单价上几乎碾压托管字幕账单：turbo 标价每小时 $0.04，large-v3 每小时 $0.111，都远低于 LecSync 全包的每小时 $0.36。
如果你要的是会议或课堂的实时翻译字幕，还要说话人和会上纪要，并且希望一张每分钟账单搞定，LecSync 更贴近。Groq 公开的 STT 路径是文件/URL 上传，文档里没有托管 WebSocket 去推「预览→定稿」、任意语对的实时文字翻译，或直播流上的说话人标签。
两边怎么接
LecSync。 服务端调 POST https://api.lecsync.com/v1/realtime/connect，带上音频格式、语言对和要开的功能，再推 16 kHz 单声道 PCM。人没说完先出预览，句子落定后再出定稿；译文按 segment ID 配对。开 speakers: true，每句定稿带说话人和 startMs/endMs；开 digest: true，纪要按话题一段段推。开口到首字大约 0.28 秒，翻译再多大约 88 毫秒。7 个网关区域（dal、jp3、kc、nj、ru2、ru3、uk）就近处理；积压封顶 2 秒。
Groq Whisper。 往 transcriptions 端点传 file 或 url，model 选 whisper-large-v3 或 whisper-large-v3-turbo。可选 language、prompt、temperature，以及配合 verbose_json 的 timestamp_granularities（word / segment）。translations 端点只把语音翻成英文，且文档表里只给 large-v3，不给 turbo。不足 10 秒的请求仍按 10 秒计费。免费档上传上限 25 MB（开发档 100 MB）；更大音频要按 Cookbook 切块或改传 URL。文档里的 real-time speed factor（v3 189×、turbo 216×）指相对音频时长的吞吐，不是直播插座上的首字延迟。
换成每小时大概多少钱（估算）
| 路径 | 公开价 | 折合每小时音频 | 说明 |
|---|---|---|---|
| LecSync 实时语音 API | 每分钟 $0.006 全包 | $0.36 | 转写 + 翻译 + 说话人 + 纪要 |
Groq whisper-large-v3-turbo | 每小时 $0.04 | $0.04 | 仅转写；文档表无翻译 |
Groq whisper-large-v3 | 每小时 $0.111 | $0.111 | 转写 + 英译端点 |
折合每分钟（估算）：turbo 约 $0.00067，v3 约 $0.00185。LecSync 无论开不开翻译和说话人，都是每分钟 $0.006。
对照表（2026-10-25 核对）
| LecSync 实时语音 API | Groq Whisper STT | |
|---|---|---|
| 主场景 | 会议/课堂实时字幕 + 机翻 | 快速文件转写（v3 可英译） |
| 计价 | 每分钟 $0.006 一口价 | 每小时 $0.04 或 $0.111 |
| 交付方式 | 托管 WebSocket，预览→定稿 | HTTP 文件/URL 上传 |
| 实时文字翻译 | 60 语任意互译，同连接 | translations → 仅英文（v3）；turbo 无 |
| 直播流说话人 | 每句定稿都有 | STT 文档未提供该能力 |
| 实时纪要 | digest: true | 无 |
| 时间戳 | 对齐录音的 startMs/endMs | verbose_json 词/段级 |
| 语种 | 60，自动识别 | 型号页写 99+ |
| 延迟叙事 | 首字约 0.28 秒；翻译约 +88 ms | 吞吐 189–216×（相对音频时长） |
| 计费下限 | 按比例到小数秒；无有效音频不收费 | 每次请求至少 10 秒 |
| 部署 | 托管 SaaS，7 个网关 | Groq 云端推理 |
| 速率限制（文档） | — | 两型号均为 20 RPM；ASH 7.2K；ASD 28.8K |
1000 小时大概多少钱（估算）
| 每月 1000 小时工作负载 | LecSync | Groq（按公开 $/小时） |
|---|---|---|
| 同语种字幕 / 转写 | $360 | turbo $40；v3 $111 |
| 任意语对实时翻译字幕 | $360 | 单条 STT 插座做不到，需自拼 STT+MT |
| 会话中的说话人 + 时间戳 | 包含 | Whisper STT 文档未提供 |
| 实时纪要 | 包含 | 无 |
| 会后英译整段录音 | 可自行接 | v3 translations（仅英文） |
纯转写单价上 Groq 明显更便宜。产品若是「人还在讲就要双语字幕」，LecSync 更合适。一口价和附加项怎么比，见 1000 小时加上翻译、说话人、摘要之后；自拼 STT+MT 见 内置翻译 vs DIY 管线。
更适合选 Groq Whisper 的情况
- 会后或批量文件转写，单价 $0.04–$0.111 / 小时。
- 只比转写语种覆盖（型号页 99+，对 LecSync 的 60 语 + 内置机翻是另一类需求）。
- 只要英译，走 large-v3 的 translations 端点。
- 已有 OpenAI 风格 Whisper HTTP 调用，想换更快推理。
- 更看重 吞吐速度因子，而不是直播插座上的首字时延。
更适合选 LecSync 的情况
- 一条连接上的实时翻译字幕，60 语任意配对，译文和段落对齐。
- 直播过程中的说话人与录音时间戳——见 带说话人和时间戳的会议客户端。
- 会开着就出纪要（
digest: true）——见 实时纪要 vs 会后摘要。 - 可预期的按分钟账单，每小时 $0.36，没有单独翻译 SKU，也没有每次 10 秒保底。
- 留学课堂 / 混语讲座：字幕要跟着老师换语种走，而不是等录音传完再出稿。
常见问题
Groq Whisper 算不算实时流式字幕 API？
和 LecSync 不是一类。公开文档提供的是文件/URL 的转写与翻译 HTTP 接口。型号页说的 real-time speed factor 是「相对音频时长跑多快」，并不是托管 WebSocket 上的预览/定稿字幕，也不带任意语对的实时文字翻译。
为什么 LecSync 折合每小时更贵？
LecSync 的 $0.36/小时里已经包含实时翻译、说话人、术语/精修和纪要。Groq 的 $0.04–$0.111/小时买的是 Whisper 转写（v3 另加英译）。要在 Groq 上做出双语直播字幕，还得自己接推流前端、机翻、说话人分离和纪要。
Groq 会返回说话人标签吗？
Speech to Text 文档没有说话人分离参数；重叠说话只作为可能拉低置信度的音频条件被提到。要在直播流上标说话人，LecSync 开 speakers: true 即可。
10 秒下限和文件大小怎么影响成本？
每次 Groq STT 请求至少按 10 秒计费，哪怕实际更短。免费档上传上限 25 MB（开发档 100 MB）。短互动和超长录音，打包方式都和 LecSync「持续推流、按比例计费」不同。
可以两个一起用吗？
可以。不少团队用 LecSync 扛直播课堂或会议，会后再把存档音频丢给 Groq Whisper 做便宜的重转写或英译。两套 API 解决的是不同层。
下一步
打开 LecSync 实时语音 API 文档，创建一次 connect，推 3 秒静音，就能在同一条连接上看到预览和定稿——翻译、说话人、纪要都包含在每分钟 $0.006 里。