云端转录服务

云端转录服务会将实时音频流加密传输至你所配置的第三方语音 API。在接入前，请先在对应服务商控制台注册账号、了解计费规则与数据隐私条款，并建议专为 Kapinote 创建独立的 API Key。

连接步骤

1. 打开 设置 → 语音，在模型列表中选择对应的云端服务商。
2. 点击 配置 并粘贴你的 API Key。
3. 除非你的企业账号使用了私有网关或专属部署，否则请直接保留默认的 Model 与 Base URL。
4. 按需配置语言提示（Language Hints）、说话人区分（Diarization）与智能断句（Endpointing）。
5. 点击保存并运行内置测试，确保认证与网络连通正常。

API Key 提示： 复制粘贴 API Key 时请注意去除首尾多余的空格或双引号。如测试失败，请先前往服务商后台确认该 Key 具备实时语音转录权限且账号有可用余额。

1. Soniox

• 获取密钥： 按照 Soniox 快速开始文档 创建 API Key。
• 默认配置： 默认模型为 stt-rt-v4，默认 WebSocket 地址为 wss://stt-rt.soniox.com/transcribe-websocket。
• 语言提示机制： 支持同时指定一个或多个语言提示（Language Hints）。Soniox 官方说明语言提示用于增强目标语种的识别概率，但不会强行限制非目标语种的识别；详见 Language hints 文档。
• 高级能力： 原生支持高精度的说话人区分与智能断句检测。
• 语种支持： Kapinote 预置了最常用的语言快捷选项，Soniox 官方底层支持 60+ 种语言。详见 Soniox 支持语言列表。

2. Deepgram

• 获取密钥： 登录 Deepgram Console 创建 Project API Key，参考 Deepgram 密钥创建指引。
• 默认配置： 默认使用最新代 Nova-3 模型，默认地址为 wss://api.deepgram.com/v1/listen。
• 语言与多语言模式： 支持指定单一语言或开启模型的多语种混合识别。
• 关键词增强（Keyterm Prompting）： Kapinote 支持向 Deepgram 最多传入 100 个自定义词条（每个最多 50 字符）。Nova-3 会自动采用 Deepgram 的 Keyterm Prompting 机制 强化专有名词识别。

3. AssemblyAI

• 获取密钥： 在 AssemblyAI 仪表盘中创建并复制 API Key。
• 默认配置： 默认使用 universal-streaming-multilingual 模型，地址为 wss://streaming.assemblyai.com/v3/ws。
• 语言设置： 支持自动语种检测，或显式指定英语、西班牙语、法语、德语、意大利语、葡萄牙语等。
• 自定义词汇： 最多支持传入 100 个专有词条（每个词条上限 50 字符）。
• 更多规范请参考 AssemblyAI Streaming API 文档。

4. ElevenLabs

• 获取密钥： 在 ElevenLabs 控制台的 API Keys 页面生成密钥。
• 默认配置： 默认采用 scribe_v2_realtime 模型，地址为 wss://api.elevenlabs.io/v1/speech-to-text/realtime。
• 语言模式： 支持自动检测或在下拉列表中选择指定语种。
• 自定义词汇： 最多支持传入 50 个专有词条（每个词条上限 20 字符）。
• 覆盖详情可参考 ElevenLabs 的 Speech to Text 概览 与 Realtime API 文档。

语言配置差异说明

各服务商的语言控制逻辑存在差异：Soniox 允许输入多个语言提示（Hints），Deepgram 区分单语种与多语种模式，而 AssemblyAI 与 ElevenLabs 则提供端侧自动检测。此外，各服务商不同模型在不同地区的语言支持可能有所差异，建议在正式会议前完成 30 秒的实录验证。