在 Zoom、Google Meet 和 Microsoft Teams 会议中使用你自己的语音转文字服务商：一个 bot API 录制通话，你的服务商负责转写。包含每个支持服务商的配置说明、代码示例和定价信息。

LLazare Rossillon
··2 min read
如何使用 Deepgram、AssemblyAI、Speechmatics 或 Soniox 录制和转写会议

语音转文字服务商非常擅长将音频转换为文本，但完全无法帮你从 Zoom、Google Meet 或 Microsoft Teams 通话中获取音频。如果你已在 Deepgram 上调整了自定义词汇表，或围绕 AssemblyAI 的音频智能构建了 pipeline，那么缺失的环节是会议录制，而不是转写。

Meeting BaaS 填补了这一空白：bot 录制会议，你的服务商负责转写。只需在 request 中修改一个字段即可切换服务商。

支持的服务商：Gladia（内置，无需账号）、Deepgram、AssemblyAI、Speechmatics 和 Soniox，以及用于实时流式转写的 ElevenLabs。

工作原理

  1. 你的后端创建一个 bot，传入会议 URL 和 transcription_config
  2. Bot 像普通参会者一样加入通话并进行录制
  3. 音频由你选择的服务商转写——如果你自带密钥，则使用你的 API key
  4. 你的 webhook 以该服务商的原生格式接收转写内容，以及录像、参会者列表和说话人时间轴

在一个字段中选择服务商

curl -X POST "https://api.meetingbaas.com/v2/bots" \
     -H "Content-Type: application/json" \
     -H "x-meeting-baas-api-key: $API_KEY" \
     -d '{
           "meeting_url": "https://meet.google.com/abc-defg-hij",
           "bot_name": "Transcription Bot",
           "transcription_config": {
             "provider": "assemblyai",
             "api_key": "'"$ASSEMBLYAI_API_KEY"'"
           }
         }'

将 "assemblyai" 替换为 "deepgram"、"speechmatics" 或 "soniox"，其他无需任何改动。特定服务商的选项（语言提示、自定义词汇表、区域 endpoint）通过 custom_params 传入，region 字段用于支持区域化 deploy 的服务商。

为什么要自带密钥？

  • 保持与服务商的关系：谈判好的价格、自定义模型和词汇表调整均可原样沿用。
  • 原生输出格式：原始转写结果与服务商的 response 结构一致，为该服务商构建的解析器和下游工具可继续正常使用。
  • 更低的按小时费用：在所有套餐中，BYOK 转写为每录制小时 0.05 个 token，而内置选项为每小时 0.25 个 token。

或者完全跳过账号注册

默认使用内置的 Gladia，无需注册服务商账号：支持 100 多种语言、自动语言检测和说话人分离，每小时 0.25 个 token。这是从零到获得转写内容最快的路径。

自带密钥（Deepgram、AssemblyAI、Speechmatics、Soniox）每小时 0.05 个 token，而内置 Gladia 每小时 0.25 个 token——但两种方式都提供相同的 webhook payload：转写内容、录像、参会者列表和说话人时间轴

服务商指南

各服务商分步教程

费用说明

录制费用为每小时 1 个 token（根据 token 套餐大小，约合 $0.35–0.50），已包含说话人分离。内置 Gladia 转写额外收取每小时 0.25 个 token，使用自带密钥则为每小时 0.05 个 token。Bot 等待进入会议室的时间按录制时间计费。

后续步骤

相关博客tutorial