AWS 于 2026 年 11 月 20 日宣布 Amazon Transcribe 新增同步转写接口 TranscribeAudio:一次请求送入完整音频文件,同一个响应里返回全部转写文本,不再需要启动任务、轮询状态或管理连接。接口支持词级时间戳、自动语言识别、说话人分离、自定义词汇与 PII 编辑,音频可内联发送或来自 S3。面向语音助手、坐席辅助与按需转写片段等交互场景,价格以官网为准。
Amazon Transcribe 推出同步转写接口:单次请求返回完整文本,无需轮询任务状态
这次发布的是什么
Amazon Transcribe 在 2026 年 11 月 20 日新增一个同步转写接口,名为 TranscribeAudio。AWS 官方 what's-new 页写「Posted on: Nov 20, 2026」,正文表述为「now offers a synchronous transcription API」。这是一次开放接口层面的能力更新,不是新模型发布。
它与 Transcribe 原有的异步转写流程形成互补。过去的典型用法是提交一段音频、启动一个转写任务、不断轮询状态、最后取回结果;新接口把这条链路压成一次请求:送入完整音频文件,同一个响应里就把完整转写文本带回来。官方把它定位给语音助手、坐席辅助工具,以及「转写这一段音频」这类按需功能使用。
需要说清的一条边界是:这是新增的一种调用方式,不是取消原有异步接口。官方没有写旧接口下线,本文也不作这类推断。公告正文里给出了按分钟计费的费率,本站按口径不转述任何写死的价格,统一写以官网为准。
可用性与限制
- 时间锚点:AWS 官方 what's-new 页写 Posted on: Nov 20, 2026,RSS pubDate 为 2026-11-20T20:00:00Z
- 成熟度:官方写明 now offers a synchronous transcription API,为新增可用接口
- 请求方式:单次请求送入完整音频,同一响应返回完整转写;无任务、无状态轮询、无连接管理
- 音频来源:可内联发送(上限 25 MB)或来自 S3(上限 500 MB)
- 音频时长:0.5 秒到 1 小时
- 音频格式:WAV、MP3、FLAC、M4A、MP4、Ogg、WebM、AMR
- 语言支持:英语、西班牙语、法语、意大利语、德语、日语、葡萄牙语、韩语、中文(简体、繁体与香港)
- 区域范围:覆盖美国、加拿大、欧洲与亚太多个区域,PII 编辑在南美(圣保罗)区域不可用,完整清单以官网为准
- 结果去向:转写随响应返回,也可写入用户指定的 S3 位置
- 价格:公告含按分钟费率,本站不转述,以官网为准
主要功能
- 单次请求返回完整转写文本,省去任务与轮询
- 词级时间戳与数字、日期、货币、电话号码的智能格式化
- 自动语言识别,支持一段音频里出现多种语言
- 说话人分离与最多双声道的声道识别
- 自定义词汇与词汇过滤,可直接在请求里提供
- 个人身份信息编辑(PII redaction)
技术原理
据官方说明,TranscribeAudio 的关键在于把「提交任务—轮询—取结果」的三段式流程合并成一次同步调用。调用方把完整音频文件放进请求,服务在响应里直接返回全部转写文本,中间不再产生需要跟踪的任务对象,也不需要维持一条长连接。对小段音频做即时转写的场景,这意味着更少的往返和更简单的客户端逻辑。
功能层面,官方列出的能力与 Transcribe 既有能力基本一致:词级时间戳与智能格式化,把数字、日期、货币和电话号码转成规范文本;自动语言识别,覆盖一段音频中出现多种语言的情况;说话人分离,以及最多两个声道的声道识别;自定义词汇与词汇过滤,而且可以直接在请求里提供,不需要预先做配置步骤。个人身份信息编辑作为附加能力提供,官方注明它在所列区域中的大多数可用,南美(圣保罗)除外。
输入侧有两条路径。音频可以内联放进请求,上限 25 MB;也可以指向 S3 对象,上限 500 MB。时长范围是 0.5 秒到 1 小时,格式覆盖 WAV、MP3、FLAC、M4A、MP4、Ogg、WebM 与 AMR。转写结果可以直接随响应返回,也可以让服务写到调用方指定的 S3 位置。官方没有公开底层模型或延迟数据,本文不作推断。
实际体验
从官方给出的能力描述看,这个接口的价值集中在交互场景。语音助手要在用户说完后立刻拿到文本,坐席辅助工具要在通话中快速转写,这类需求不适合先起任务再轮询。同步接口把这些场景的实现缩短为一次调用,客户端不必维护任务状态机。
接入时有几个硬边界要提前算清楚。一是音频时长上限 1 小时,超过就要切分;二是内联与来自 S3 的大小上限不同,长音频需要走 S3;三是如果业务涉及个人身份信息编辑,要先确认所在区域是否支持,官方明确把南美(圣保罗)排除在外。语言方面覆盖较广,包含中文的简体、繁体与香港,但具体识别效果官方没有给出对照数据,需要用真实音频验证。
官方页面没有提供端到端代码示例或延迟基准,配置细节以 Amazon Transcribe API 参考与官方发布博客当前版本为准。本站不搬运任何未经核实的准确率或速度数字。
项目地址与获取方式
TranscribeAudio 是 AWS 托管服务的一部分,没有独立安装包。官方入口是 Amazon Transcribe 产品页、API 参考与公告原文,调用通过 AWS SDK 完成。请通过 AWS 官方渠道开通与调用,避免经由第三方封装导致的参数偏差。
- 服务主页:https://aws.amazon.com/transcribe/
- API 参考:https://docs.aws.amazon.com/transcribe/latest/APIReference/API_Operations_Amazon_Transcribe_Service.html
- 公告原文:https://aws.amazon.com/about-aws/whats-new/2026/11/amazon-transcribe-sync-api/
适合谁用
- 正在做语音助手、语音命令类交互应用的开发者
- 需要坐席辅助、通话实时转写的客服技术团队
- 想给应用加「转写这一段音频」按需功能的的产品团队
- 处理多语言音频、需要自动识别语言与说话人的场景
- 不必用:单次音频超过 1 小时又不想自行切分的场景;所在区域不支持所需附加能力(如个人身份信息编辑)的用户
常见问题
问:同步接口会取代原来的异步转写吗?
答:官方公告只写新增同步转写接口,没有提旧接口下线。可以把它理解为多一种调用方式:短音频、要立刻拿结果的场景用同步;长音频、可以后台慢慢跑的场景仍可用原有异步流程。旧接口是否调整,以 AWS 官方后续说明为准。
问:一次能转写多长的音频,文件多大?
答:官方给出的时长范围是 0.5 秒到 1 小时。音频来源有两条:内联发送上限 25 MB,来自 S3 上限 500 MB。超过这些边界就需要切分或改用其他方式,具体限制以官网当前文档为准。
问:能识别中文吗,支持哪些格式?
答:语言列表包含英语、西班牙语、法语、意大利语、德语、日语、葡萄牙语、韩语,以及中文的简体、繁体与香港。格式支持 WAV、MP3、FLAC、M4A、MP4、Ogg、WebM 与 AMR。一段音频里出现多种语言时,官方写支持自动识别,实际效果建议用自己的音频验证。
问:个人身份信息编辑在所有区域都能用吗?
答:不是。官方列出可用区域后特别注明,个人身份信息编辑在其所列区域中的大多数可用,但南美(圣保罗)区域除外。如果你的业务对数据脱敏有硬性要求,开通前要先确认所在区域是否支持,完整清单以官网为准。
问:这个接口怎么收费?
答:公告正文给出了按音频分钟计费的费率,并按秒计费,本站按口径不转述任何写死的价格,统一写以官网为准。建议在 AWS 定价页按自己的调用量估算,再决定是否切换调用方式。
相关工具与内容
- 工具页:ElevenLabs
- 分类页:AI 音频
- 分类页:开发者工具
- 相关文章:Amazon Polly 上线声音克隆
- 相关文章:ElevenLabs 发布 Scribe v3 Live Medical
相关内容
AWS Quick 同日三组更新:插件打包智能体与技能,网页端与 Flows 打通跨端工作流
AWS 在 2026 年 11 月 20 日至 21 日连续发布三条 AWS Quick 更新:插件可把智能体、技能、连接器与流程打包成一次安装的单元;网页端把桌面体验搬进浏览器,并更新浏览器扩展与 Microsoft 365 加载项;Flows 支持用对话构建自动化,并加入确定性步骤与输出校验。官方用户指南说明 Quick 由 Amazon QuickSight 演进而来,原有 QuickSight 接口与集成继续可用。
Amazon Bedrock 网页搜索新增五种语言与国别字段:按用户所在国偏置检索来源
AWS 于 2026 年 11 月 21 日宣布 Amazon Bedrock 的 Web Search 工具新增西班牙语、法语、德语、意大利语和日语,并支持非美式英语;同时加入可选的国家字段,用 ISO 3166-1 alpha-2 代码把检索来源偏置到指定国家。现有客户无需改代码即可获得语言能力,可用区域与数据驻留口径以官网为准。
Transformers v5.24.0 发布:纳入十个新模型架构,缓存参数改名进入兼容期
Hugging Face 于 2026 年 11 月 21 日发布 Transformers v5.24.0,正式版标注为 prerelease=false。本次新增 Inkling 2 Mini、Apertus 1.5、Omnilingual ASR、HY4-VL 等十个模型架构支持,同时把 past_key_values 与 cache_params 统一改名为 cache,并给出跨版本的兼容时间表。
继续阅读:Claude Code 同日两版更新:auto mode 扩展到多家云平台,任务与钩子管理增强 · Gemini API 推出 Tool Retrieval 预览:按需加载工具参数,替大型工具库瘦身