VoicePaste模型 API 申请
模型兼容清单
语音识别与文本润色
下表对应当前内置配置：识别模型逐个列出；文本润色按服务或本地运行工具逐行列出，具体语言模型由你在该服务中选择。清单表示已有接入方式，不代表每个账户、模型版本与参数组合都经过在线实测。
| 模型 | 运行 | 特点 | 原生流式 | 热词 | 配置指南 |
|---|---|---|---|---|---|
| 豆包流式识别 2.0 | 在线 | 中英混说；方言支持随接口模式而异 | 支持 | 支持 | 申请 API Key |
| ElevenLabs Scribe v2 Realtime | 在线 | 高精度多语言转写，自动识别语言 | 支持 | 支持 | 申请 API Key |
| SenseVoice INT8 | 本地 | 轻量量化模型，支持中英日韩粤 | 不支持 | 不支持 | 本地配置 |
| FunASR-Nano INT8 | 本地 | 中英日识别，支持中文方言与歌词 | 不支持 | 支持 | 本地配置 |
| Zipformer 中英双语 | 本地 | 原生流式，中英混说，低延迟 | 支持 | 支持 | 本地配置 |
| Zipformer 中文 INT8 | 本地 | 原生流式，轻量中文量化模型 | 支持 | 支持 | 本地配置 |
| Qwen3-ASR 0.6B INT8 | 本地 | 多语言、中文方言，支持歌词识别 | 不支持 | 支持 | 本地配置 |
如何理解识别特性
- 原生流式：在 VoicePaste 当前接入方式下，模型能够持续返回识别结果。Zipformer 的两个版本均在本地原生流式运行。
- 模拟预览：SenseVoice、FunASR-Nano、Qwen3-ASR 当前通过离线识别器运行，可使用应用提供的模拟流式预览；它与模型原生流式不是同一项能力。
- 热词：需要模型和当前配置共同支持；ElevenLabs 需要启用相应热词设置。额外的 VAD 与标点模型属于辅助组件，不是独立的转写服务。
- 豆包方言：能力随接口模式与模型版本而异。官方区分双向流式和流式输入，默认接口的能力不能直接套用于所有模式；请按服务端文档配置。
在线与本地
在线识别会将音频发送给所选服务，在线润色会发送待处理文本。需要音频与文本均在本机处理时，请同时选择本地识别和本地润色，或关闭润色。
Ollama 是本地模型运行工具，具体模型需自行安装并启用其兼容接口。硅基流动、OpenRouter 是模型服务平台，使用自己申请的密钥和平台提供的模型名称。自定义服务需要提供 OpenAI 兼容的 Chat Completions 接口；并非任意 API 都可直接接入。Anthropic 预设使用其兼容接口，模型与参数需符合服务端要求。
能力来源
以下为模型与接口的官方资料；本页展示的是 VoicePaste 当前接入范围，不等同于上游模型的全部能力。