關於 Rev AI
About
什麼是 Rev AI
Rev AI 是 Rev 的開發者產品。這家轉錄公司從 2010 年開始蒐集經過人工校對的語音資料。它不是消費端 App，而是一套自動語音辨識引擎：你送出音訊或影片，拿回來的是加上標點、時間戳與講者標籤的文字。
兩種交付方式幾乎涵蓋所有工作流程。非同步端點收下已錄好的檔案，幾分鐘內回傳結果。串流端點透過 WebSocket 或 RTMP 接收即時音訊，邊講邊產出字幕。Rev 表示兩者跑在同一套模型上，訓練資料超過 700 萬小時的人工校對語音。
真正的限制在適用範圍，不在準確度。Rev AI 是給能寫程式或會用 SDK 的團隊。平台上雖有測試用的儀表板，正式上線仍得有人懂技術。分析功能（情緒、主題、摘要、翻譯）按分鐘或每 10 個字另外計價，全部打開的話，帳單會長得很快。
開始使用
- 在 rev.ai 註冊帳號。新帳號可獲得等值 5 小時 Reverb ASR 的免費額度，且所有產品都能折抵。
- 從儀表板複製存取權杖，每次請求都放在 Authorization 標頭送出。
- 送出工作。把媒體網址或 multipart 上傳送到 jobs 端點，設定語言與需要的選項。
- 查詢工作狀態，或註冊 webhook，讓 Rev AI 在轉錄完成時通知你的伺服器。
- 下載結果，格式可選含時間戳的 JSON、純文字、SRT 或 VTT。
產品資訊
快速了解 Rev AI 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 後端開發者：REST 與 WebSocket API 加上官方 Python、Node.js SDK，一小時內就能跑出第一份文字。前提是會寫程式，這裡沒有拖拉式介面。
- 影音與後製團隊：逐字時間戳能直接對上剪輯軟體，輸出 SRT 或 VTT 也省掉手動做字幕的那一步。
- 客服與法遵團隊：具備 HIPAA、SOC 2、PCI 規範，並可選擇歐盟節點或地端部署，因此能處理不能離開受控環境的通話錄音。
任務
- 大量補齊舊檔案字幕：透過非同步 API 送出數千小時，單一檔案上限為 17 小時音訊。
- 網路研討會與直播的即時字幕：串流端點以 WebSocket 或 RTMP 回傳低延遲文字，瀏覽器播放器與廣播編碼器都能接。
- 通話錄音分析：講者分離在英語可分出 8 位講者，接著由情緒分析為整段對話評分。
- 研究訪談：逐字時間戳讓你直接跳到引述位置，強制對齊則處理已有逐字稿的音訊。
情境
- 每週要複查 2,000 通電話的客服團隊：檔案一進來就送出，文字從 webhook 取回，情緒分數最低的通話轉給主管。
- 需要上字幕的播客網絡：非同步工作幾分鐘完成，VTT 輸出直接丟給影音託管平台。
- 轉錄受保護錄音的醫療體系：走 HIPAA 流程並採地端部署，音訊始終留在內網。
主要功能
非同步轉錄，沒有檔案長度上限
批次工作處理已錄好的音訊與影片，Rev 說一小時的檔案不到一分鐘就回來。實際上限是每個工作 17 小時音訊，透過網址送出的檔案可達 5 TB。整天的錄音、法庭證詞與研討會存檔都不必先切檔。
透過 WebSocket 與 RTMP 做即時轉錄
串流 API 把即時音訊變成低延遲字幕，用的模型與批次版本相同。應用程式走 WebSocket，廣播編碼器走 RTMP。單一連線最長 3 小時，因此長時間活動需要 Rev 文件裡的重連步驟。
講者分離與多軌拆分
Rev AI 會標出哪句話是誰說的，英語最多 8 位講者，其他語言 6 位。若每人各佔一條音軌，填入聲道數後分離效果會比單純講者分離更乾淨。目前無法指定講者人數，這點在吵雜的團體錄音裡會很明顯。
逐字時間戳與強制對齊
每份文字都能附上細到單字的時間戳，引用、搜尋與字幕同步都輕鬆許多。強制對齊是搭配的功能：提供音訊與現成腳本，就能拿到每個字的精確時間。影音團隊用它校正燒進畫面的字幕，法律團隊用它標出證詞的某一刻。
語言辨識與 58 種語言
非同步 API 支援 58 種語言，包含英西雙語模型，串流則有 9 種。語言辨識是獨立呼叫，可以先分類來路不明的音訊，再決定要不要花錢轉錄。每種語言的精準度不同，Rev 會公布最新清單。
情緒分析、主題擷取、摘要與翻譯
除了文字，這套音訊轉錄服務還能為對話的情緒評分、擷取主題、把長錄音濃縮成摘要，並翻譯成另一種語言。每項都是獨立的工作參數，用不到就不必付錢。標準版與進階版模型費率不同，跑大批次前先看清楚價格。
自訂詞彙，處理行業術語
你可以提供一份名稱、產品與技術詞清單，讓模型照公司的寫法拼出來。對品牌名、藥名與通用模型常拼錯的內部行話最有用。它只是一份詞表，不是要你自己訓練的語言模型。
開發工具與交付選項
官方 SDK 支援 Python 與 Node.js，webhook 會在完成時通知，輸出格式包含 JSON、純文字、SRT 與 VTT。對於不能用公有雲的買方，Rev 也提供自架部署。工作與檔案預設在伺服器保留 30 天，除非你縮短這個期限。
優缺點
優點
- 英語批次音訊的基礎費率低，每小時 $0.20，其他語言每小時 $0.30。
- 準確度有 Rev 自家基準測試背書，不同口音之間的差距也較小。
- 講者分離、逐字時間戳與 58 種語言都在同一套 API 裡，不必串四家供應商。
- 具備 HIPAA、SOC 2、PCI 規範，並支援歐盟節點與地端部署，適合受監管產業。
缺點
- 沒有消費端 App，沒有工程支援的人只能停在儀表板試用。
- 分析功能另外計費，情緒加主題全跑一輪，可能比轉錄本身還貴。
- 預設併發上限為每 10 分鐘 500 個工作，大批次會被排到下一個時段，除非請支援團隊調高。
- 串流每條連線 3 小時就中斷，且只涵蓋 9 種語言，遠少於批次 API。
常見問題
可以，但有限額。新帳號會拿到等值 5 小時 Reverb ASR 的免費額度，平台上的產品都能折抵。用完之後按量計費，英語音訊每小時 $0.20 起。
相關內容
探索與 Rev AI 相關的工具、技能與文章。
Rev AI 替代方案
Google EmbeddingGemma 2
Google DeepMind · 寫作 · 圖片 · 程式設計Google EmbeddingGemma 2 是 7.4 億參數的開源模型，能把文字、程式碼、圖片、音訊與影片畫面轉成同一個 768 維空間裡的向量，在手機與筆電上就能執行。
MePersona
MePersona, Inc. · 寫作 · 生產力 · 行銷MePersona 是為創作者設計的 AI 統一收件匣。它學習你的說話方式，在 12 個平台上草擬粉絲訊息回覆，只送出你核准的內容。
Fluence
Yay Software (Yannick Huchard) · 寫作 · 語音與語言 · 生產力Fluence 是 Android 上的文件閱讀器，能朗讀 PDF、EPUB、Word 檔與網路文章，逐句跟著語音標示，並在手機上直接回答你對內容的提問。