LAS语音转文字(Doubao-Seed-2.0-lite)增强版算子在基础 ASR 识别结果之上提供多模态精修能力：先完成输入下载、音频抽取、时长探测与基础 ASR 识别；当路由、语种和基础 ASR 结果满足精修条件时，将音频切片、基础 ASR 识别草稿以及从热词上下文中抽取的参考热词发送给多模态模型，用于修正专有名词、数字、标点和部分识别错误，并在模型判断存在漏识别时尝试补全内容。

算子 ID : las_asr_seed-2-0-lite

应用场景 #

• 会议访谈转写：将会议、访谈音频异步识别为文字并精修，提升专有名词与术语的准确率，自动分段，提升记录效率。
• 播客与课程转写：对长音频进行高质量转写与精修，适合内容沉淀与二次创作。
• 音视频字幕：自动将音/视频中的语音识别转换为带时间戳的字幕，并通过精修提升可读性。
• 内容审核质检：将录音识别为文字并精修后，结合质检规则进行分析。

核心能力 #

• 多模态精修：
  • 在基础识别结果之上，调用 Doubao-Seed-2.0-lite 多模态模型，对专有名词、数字、标点、语义连贯性进行纠正与补全，显著提升转写文本质量。
  • 精修失败时可回退基础 ASR 结果，保证可用性。
• 多格式音频/视频输入识别：
  • 支持音频与视频文件输入，自动提取视频音轨进行识别。
• 丰富的识别能力：
  • 支持文本规范化（ITN）、自动标点、语义顺滑（DDC）、说话人分离。
• 热词与敏感词：
  • 支持热词直传与热词表增强，热词同时进入底层 ASR 与精修 Prompt。
  • 支持敏感词保护：系统脱敏内容可不送精修模型，并支持自定义置空/星号替换。

支持的地域 #

支持的语种 #

算子性能 #

输入要求 #

输出要求 #

• 计费标准

  细分项	计费标准说明
  计费项	使用当前算子时，会默认使用精修模型对语言识别结果进行精修，因此，计费项包含语音识别、结果精修两部分： 语音识别：基于输入音频/视频的时长统计用量进行计费，单位：元/小时 结果精修：按精修模型（Doubao-Seed-2.0-lite）的 token 用量计费，单位：元/百万tokens。 最终费用为两部分费用之和。
  计费类型	按量计费，按实际的计费用量每小时出账。计费精度：毫秒级精度，去尾
  单价	与使用的模型有关。

• 计费详情
  计费公式：总费用 = 语音识别费用 + 精修费用 = (语音识别单价 * 音频时长）+（精修的梯度单价 * 模型用量）

  • 语音识别单价：

    语音识别模型	单价
    Seed-ASR 2.0 增强版	1.6 元/小时

  • 精修单价：

    精修模型	模型输入长度 （千 token）	缓存存储	文本输入	音频输入	文本缓存命中	音频缓存命中	输出	单位
    Seed-2.0 Lite	[0, 32]	0.017	0.6	9	0.12	1.8	3.6	元/百万 tokens
    	(32, 128]	0.017	0.9	13.5	0.18	2.7	5.4	元/百万 tokens
    	(128, 256]	0.017	1.8	27	0.36	5.4	10.8	元/百万 tokens

• 计费示例

  • 示例场景：输入了一个 3 分钟的视频，使用当前算子对语音进转文字，处理结果中显示模型用量结果如下。

    "token_usages": [
          {
            "task_info": "refine_chunk_001",
            "model_name": "doubao-seed-2-0-lite-260428",
            "token_usage": {
              "prompt_tokens": 2015,
              "completion_tokens": 6429,
              "total_tokens": 8444,
              "cached_tokens": 0,
              "audio_tokens": 814,
              "audio_cached_tokens": 0,
              "reasoning_tokens": 5599
            }
          }
          ]
    

  • 费用详情：

    • 语音识别费用：
      语音识别费用 = 1.6 元/小时 * （3/60）小时 = 0.08 元
    • 精修费用：
      • 模型输入 Token 用量（prompt_tokens）为：2015，在[0, 32] 千 token 阶梯内。
      • 缓存相关 Token 均为 0，因此，不涉及缓存相关费用。
      • 文本输入 Token 用量（prompt_tokens - audio_tokens）为：2015 - 814 = 1198。
      • 音频输入 Token 用量（audio_tokens）：814。
      • 输出 Token 用量（completion_tokens）：6429。
        因此：

      精修费用 = 文本输入费用 +音频输入费用 + 输出费用 
              = 0.6 元/百万 tokens * （1198/1000,000) +9 元/百万 tokens * （814/1000,000) + 3.6 元/百万 tokens * （6429/1000,000)
              ≈ 0.0007 + 0.0073 + 0.231
              ≈ 0.239 元
      

    总费用 = 语音识别费用 + 精修费用 = 0.08 元 + 0.239 元 = 0.319 元

LAS 为您提供了“在线体验”的能力，并为您提供了一定的免费体验额度，您无需任何配置，即可在在线体验 LAS 算子的数据处理效果。

语音转文字(Doubao-Seed-2.0-lite)增强版算子调用为异步接口，处理流程分为 提交任务 和 查询结果 两个阶段。您需要先创建语音识别任务，再通过任务 ID 查询识别结果。

API 调用说明 #

• 本算子的 API 为异步任务接口，您需要通过 提交任务 接口提交任务获得任务的 task_id，再通过 查询结果 接口获取对应任务（task_id）运行状态，并获取算子处理结果。
• 注意，任务提交后，任务的 task_id 有效期为 3 天，超过 3 天后即无法通过此 task_id 来获取算子处理结果。

提交任务 #

接口说明 #

提交音频链接，并获取服务端分配的任务 ID。本算子默认开启 Doubao-Seed-2.0-lite 多模态精修，底层固定使用 seedasr 资源。

请求参数 #

返回数据 #

示例 #

请求示例

curl --location "https://operator.las.cn-beijing.volces.com/api/v1/submit" \
--header "Content-Type: application/json" \
--header "Authorization: Bearer $LAS_API_KEY" \
--data '
{
    "operator_id": "las_asr_seed-2-0-lite",
    "operator_version": "v1",
    "data": {
        "audio": {
            "url": "https://${LAS_TOS_BUCKET}.tos-${LAS_REGION}.volces.com/operator_cards_serving/public/${LAS_ENVIRONMENT}/las_asr/badaling.wav",
            "language": "zh",
            "format": "wav"
        },
        "request": {
            "enable_punc": true,
            "enable_speaker_info": true,
            "corpus": {
                "context": "{\"hotwords\":[{\"word\":\"火山引擎\"}]}"
            }
        }
    }
}'

返回示例

{
  "metadata": {
    "task_id": "xxxxx123ef24ea40546c",
    "task_status": "PENDING",
    "business_code": "0",
    "error_msg": "",
    "request_id": "494022a8a0fc3eadb758cf8b0e8b20ef"
  }
}

错误码 #

查询结果 #

接口说明 #

通过任务 ID 查询语音转写与精修结果。

请求参数 #

返回数据 #

示例 #

请求示例

curl --location "https://operator.las.cn-beijing.volces.com/api/v1/poll" \
--header "Content-Type: application/json" \
--header "Authorization: Bearer $LAS_API_KEY" \
--data '
{
    "operator_id": "las_asr_seed-2-0-lite",
    "operator_version": "v1",
    "task_id": "xxxxx123ef24ea40546c"
}'

返回示例

{
    "metadata": {
        "task_id": "xxxxx123ef24ea40546c",
        "task_status": "COMPLETED",
        "submit_time": "2026-07-21T16:04:06+08:00",
        "end_time": "2026-07-21T16:04:06+08:00",
        "business_code": "0",
        "error_msg": "",
        "request_id": "d204c21f5c7c8f8cfeb85d211b9c20ac"
    },
    "data": {
        "audio_info": {
            "duration": 3575,
            "language": "zh"
        },
        "result": {
            "text": "参观八达岭长城。",
            "utterances": [
                {
                    "additions": {
                        "speaker": "1"
                    },
                    "end_time": 2320,
                    "start_time": 640,
                    "text": "参观八达岭长城。"
                }
            ],
            "segments": []
        },
        "metrics": [
            {
                "name": "DURATION_MS",
                "value": 3575
            }
        ],
        "token_usages": [
            {
                "task_info": "refine_chunk_001",
                "model_name": "doubao-seed-2-0-lite-260428",
                "token_usage": {
                    "prompt_tokens": 1200,
                    "completion_tokens": 80,
                    "total_tokens": 1280,
                    "cached_tokens": 0,
                    "audio_tokens": 64,
                    "audio_cached_tokens": 0,
                    "reasoning_tokens": 30
                }
            }
        ],
        "refine_info": {
            "mode": "on",
            "enabled": true,
            "status": "SUCCESS",
            "model_name": "doubao-seed-2-0-lite-260428",
            "strategy": "utterance_dynamic_chunk",
            "chunk_count": 1,
            "warnings": []
        },
        "resource": "seedasr"
    }
}

错误码 #