Together AI 托管 Whisper Large v3 与多款 NVIDIA ASR，既支持文件转写，也支持实时 WebSocket 流式识别。定价页 Transcribe 表（2026 年 10 月 27 日核对）公开：Whisper Large v3 每分钟音频 $0.0015，Whisper Large v3（Streaming）每分钟 $0.0035，Nemotron 3 / Parakeet 等从 $0.0015 到 $0.0045。openai/whisper-large-v3 走 Batch 可享最高五折，估算约 每分钟 $0.00075。
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 Together 数字于 2026-10-27 核对，来源包括 定价页、Whisper Large v3 型号页（$0.0015/分钟）、转写总览、流式、功能、翻译、Batch 总览 与 Credits。
Together AI Whisper/STT 和实时字幕 API，分别是什么？
Together 的 Whisper/STT 是一套无服务器语音识别：HTTP 文件转写与翻译（POST /v1/audio/transcriptions、/v1/audio/translations），以及 wss://api.together.ai/v1/realtime 上返回临时 delta 与定稿 utterance 的实时 WebSocket。LecSync 这类实时字幕 API 则在人还在说话时，用同一条会话同时推直播双语字幕、说话人和纪要——不只是上传文件或推流之后拿到同语种文本。
先说结论
如果你要的是 便宜的开源 Whisper / NVIDIA ASR——批量文件、会后转写，或只要同语种流式 STT——Together 在每分钟单价上明显低于 LecSync：文件 Whisper 估算每小时 $0.09，Streaming Whisper 估算每小时 $0.21，LecSync 全包每小时 $0.36。
如果你要的是会议或课堂的实时双语字幕，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。Together 的 Whisper translate 接口把语音变成英文文本（Whisper 式）；流式文档讲的是临时/定稿 STT、VAD 与重连，并不等于同一条插座上的任意语对文字互译 + 说话人 + 纪要。
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。
Together AI。 文件路径：multipart 或 URL 上传到 /v1/audio/transcriptions（同语种）或 /v1/audio/translations（语音 → 英文文本），模型如 openai/whisper-large-v3、Parakeet、Nemotron。限制：直传 80 MB、URL 拉取 1 GB、单次最长 4 小时。文件转写可开 diarize=true，返回 speaker_segments 与词级时间戳。实时路径：WebSocket 推 PCM pcm_s16le_16000，临时 TranscriptDelta / 定稿 TranscriptCompleted（Python SDK 仍标 beta，含重连与 replay）。型号表里 Deepgram Nova-3 / Flux 仅 Dedicated，不是 serverless。平台按预付 credits 计费；文档写明无免费试用，首次购 credit 最低 $15。
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 |
| Together Whisper Large v3 | 每分钟 $0.0015 | $0.09 | 文件 / serverless Transcribe |
| Together Whisper Large v3（Streaming） | 每分钟 $0.0035 | $0.21 | 实时 WebSocket STT |
| Together Nemotron 3 / Parakeet | 每分钟 $0.0015 | $0.09 | Serverless ASR |
| Together Nemotron 3.5 ASR | 每分钟 $0.0045 | $0.27 | 更高档 ASR 标价 |
| Together Whisper Batch（估算） | 约每分钟 $0.00075 | 约 $0.045 | openai/whisper-large-v3 五折 Batch |
折合 1000 小时（估算）：Whisper 约 $90；Streaming 约 $210；Batch Whisper 约 $45。LecSync 无论开不开翻译和说话人，都是每分钟 $0.006 → 1000 小时 $360。
对照表（2026-10-27 核对）
| LecSync 实时语音 API | Together AI Whisper / STT | |
|---|---|---|
| 主场景 | 会议/课堂实时字幕 + 机翻 | Serverless Whisper / NVIDIA ASR（含流式 STT） |
| 计价 | 每分钟 $0.006 一口价 | 按模型 $0.0015–$0.0045/分钟；Streaming Whisper $0.0035 |
| 交付方式 | 托管 WebSocket，预览→定稿 | HTTP 文件 + WebSocket 实时 STT |
| 实时文字翻译 | 60 语任意互译，同连接 | 文件 /translations → 英文；非直播任意语对互译 |
| 说话人 | 每句定稿都有 | 文件 diarize=true；流式文档今日未写直播说话人 |
| 实时纪要 | digest: true | 无 |
| 语种 | 60，自动识别 | Whisper 家族多语；translate 任务出英文 |
| 延迟叙事 | 首字约 0.28 秒；翻译约 +88 ms | 流式临时/定稿 STT；文件为请求/批量 |
| 上传 / 时长限制 | 边说边推 | 直传 80 MB / URL 1 GB / 单次 4 小时 |
| Credits | API Key 计费 | 预付；首次最低 $15；无免费试用（文档） |
| 区域 / 运维 | 7 个网关；积压 2 秒封顶 | Serverless + Dedicated；Deepgram 仅 Dedicated |
1000 小时大概花多少（估算）
| 每月约 1000 小时 | LecSync | Together AI |
|---|---|---|
| 同语种文件 / 批量转写 | $360（走实时路径） | Whisper 约 $90；Batch Whisper 约 $45 |
| 纯流式 STT（无直播互译/说话人/纪要） | $360 | Streaming Whisper 约 $210 |
| 任意语对实时字幕 | $360 | 单条 Together STT 插座办不到；需自拼 STT + 机翻 |
| 会上说话人 + 时间戳 | 含 | 文件 diarization 有；直播 WS 文档未写 |
| 实时纪要 | 含 | 无 |
纯 Whisper / 流式 STT 单价和开源模型托管、Batch 便宜，Together 更有优势。若产品本身是带说话人和纪要的直播双语字幕，LecSync 更贴场景。想看一口价怎么算，见 翻译、说话人、摘要都加上后 1000 小时多少钱；想自拼管道，见 内置翻译 vs 自己拼 STT + MT。邻近 Whisper 对比：LecSync vs Groq Whisper、LecSync vs Cloudflare Workers AI Whisper。
什么时候选 Together AI
- 便宜的文件或 Batch Whisper：serverless 每分钟 $0.0015，或 Batch 五折估算约 $0.00075。
- 开源模型托管：Whisper、Parakeet、Nemotron serverless；Deepgram Nova-3/Flux 走 Dedicated。
- 只要同语种 WebSocket STT：临时 delta、VAD、SDK 重连/replay。
- 会后文件说话人与词级时间戳：
diarize=true。 - 大批量离线任务：落在 80 MB / 1 GB / 4 小时限制内，或拆 URL Batch。
什么时候更适合 LecSync
- 同一条连接上的实时互译字幕：60 语任意一对，译文跟 segment 绑定。
- 直播过程中的说话人与录音对齐时间戳——见 带说话人和时间戳的会议客户端。
- 会上边开边出的纪要（
digest: true）。 - 可预期的按分钟账单：每小时 $0.36，不另开翻译 SKU，也不用等文件跑完才出字幕。
- 留学课堂这类场景：老师切语种时字幕要跟得上，不能等录音上传后再转。
常见问题
Together Whisper Streaming 和 LecSync 是同一类产品吗？
不是。Together Streaming 提供实时语音转文字（临时与定稿）。LecSync 在同一条 connect 会话里给出配对转写、任意语对互译、说话人和纪要，按每分钟 $0.006 计。Together 更像 serverless ASR；LecSync 更像直播字幕产品。
Together 流式接口自带多语文字互译吗？
公开流式文档写的是 PCM 输入、VAD、delta 与定稿。文件侧 /v1/audio/translations 把语音译成英文文本（Whisper 式）。同一条插座上指向任意目标语的直播字幕，是 LecSync 的能力，不是 Together STT 文档里写明的附加项。
Together WebSocket 流式支持说话人分离吗？
说话人分离写在文件转写上（diarize=true、speaker_segments）。2026-10-27 核对的流式转写文档没有写直播 WebSocket diarization。在更新文档前，不要默认实时路径带说话人。
为什么 LecSync 每小时更贵？
LecSync 的每小时 $0.36 包含同连接上的实时翻译、说话人、术语/润色和纪要。Together 估算每小时 $0.09–$0.21 买的是 Whisper 或 Streaming STT。若要在 Together 上做出直播双语字幕，还得自己接机翻、直播说话人和纪要。
可以两个一起用吗？
可以。不少团队用 LecSync 扛课堂或会议直播，会后再把归档音频丢给 Together Whisper（或 Batch）做便宜重转与文件 diarization。
下一步
打开 LecSync 实时语音 API 文档，创建 connect 会话，推三秒静音，就能在同一条连接上看到预览与定稿——翻译、说话人和纪要都含在每分钟 $0.006 里。
curl -X POST "https://api.lecsync.com/v1/realtime/connect" \
-H "Authorization: Bearer $LECSYNC_API_KEY" \
-H "Content-Type: application/json" \
-d '{"audio":{"encoding":"pcm_s16le","sampleRate":16000,"channels":1},"transcribe":{"languages":["zh"]},"store":false}'