A5S Async V1

A5S Async V1 是 AirCaps AI 的说话人归因语音转写模型，把说话人分离与 ASR 合为一体。通过异步 API（a5s-async-v1）返回带说话人标签与时间戳的转写，面向会议与重叠语音场景。

AirCaps 称其在 VoiceArena Diarization-Bench 的 15 个系统中排名第 1，约 23.89% cpWER；在五项公开会议基准领先；中位约 9.8 秒完成 1 小时音频转写；标价约每音频小时 0.18 美元。研究说明：https://aircaps.ai/research/a5s-async-v1-the-worlds-most-accurate-speech-recognition-model-for-speaker-attributed-transcription ；模型页：https://aircaps.ai/models/a5s-async。

要点：

• AirCaps 官方发布，并引用 VoiceArena Diarization-Bench 独立榜第 1；
• 重叠鲁棒的说话人归因转写（标签 + 时间戳）；
• 异步 API SKU a5s-async-v1，适合批处理/会议流水线；
• 公开数字约 1 小时 → 中位 9.8 秒，约 $0.18/音频小时；
• 重点覆盖会议类与多说话人公开基准。

为什么值得关注

没有可靠说话人归因的纯 ASR，很难支撑会议纪要、CRM 通话与合规存档。A5S Async V1 把 diarization + 识别打成可采购 SKU，并用可核对的 VoiceArena 排名补强卖方图表。

速度与价格（约 1 小时音频中位亚 10 秒、较低小时单价）对积压转写与常驻会议机器人很关键。重叠鲁棒性针对真实会议里抢话、串音的常见失败点。

局限

榜单领先是快照；语言覆盖、音频格式与最新数字请以 VoiceArena 与 AirCaps 文档为准。异步延迟是其测试负载下的中位数，不是任意时长/口音的硬 SLA。cpWER 与会议 WER 不保证医疗、重口音或嘈杂外场表现。发送敏感录音前请确认 aircaps.ai 的留存、地域与商务条款。勿把营销「全球最准」表述当成所有 ASR 任务的普遍保证。

1. 打开 https://aircaps.ai/models/a5s-async 与研究博文，确认模型 ID a5s-async-v1、价格与支持语言；
2. 申请 API Key，经异步接口提交音频，轮询或 webhook 取带回说话人标签的转写；
3. 用自有会议样本（重叠、串音、远场麦）验证分离质量；
4. 上线前核对留存/隐私政策、SLA，并确认 VoiceArena 领先是否仍覆盖你的场景。