Gladia是一家法国人工智能初创公司，旨在革新企业与音频数据的交互方式。其开发的音频转录API性能优于现有产品，可轻松集成至其他产品中，解锁围绕音频的新应用场景。
尽管Google语音转文本、Amazon Transcribe及Microsoft Speech to Text等大型云服务商的API运行稳定，但普遍存在价格昂贵、速度缓慢及功能单一等局限。
Gladia联合创始人兼CEO让-路易·盖吉尼耶（Jean-Louis Quéguiner）曾担任OVHcloud人工智能负责人。他指出当前市场存在三大痛点：
- 成本高昂：转录一小时音频通常需1.50至2美元；
- 可靠性不足：多语言支持不均，难以检测对话中的语言切换并准确转录；
- 处理缓慢：转录一小时音频耗时超15分钟，无法满足实时性要求高的行业需求。
Whisper的幕后推手
Gladia基于OpenAI开源模型Whisper构建。团队并未“重新发明轮子”，而是针对客户反馈进行了深度优化。
针对Whisper原始版本速度慢的问题，Gladia投入大量资源将其改造为快速响应模型。同时，为解决类似大语言模型的“幻觉”问题，团队重点修正了训练数据偏差——Whisper原模型过度拟合YouTube等平台的常见字幕短语（如“点赞订阅”），Gladia通过算法弥补了这一缺陷。
此外，Gladia还引入了专属预处理和后处理算法以提升最终效果。其核心优势包括：
- 高性价比：转录一小时音频仅需0.61美元；
- 极速处理：耗时约60秒；
- 功能丰富：支持多说话人识别、时间戳添加、自动语言检测与切换、智能标点及大小写校正；
- 格式灵活：除JSON外，还支持SRT和VTT字幕文件输出。
实测显示，Gladia对缩写和技术术语的理解能力出色。相比本地运行的Whisper应用（如Aiko），Gladia在保持同等转录质量的同时，速度显著更快，是目前体验最佳的转录API之一。
成为音频智能API
Gladia已服务呼叫中心、虚拟会议及视频发布商等领域，客户包括Claap、Livestorm和Selectra。公司近期完成400万美元种子轮融资，由New Wave领投，Sequoia、Cocoa及多位商业天使投资人参投。
坚实的转录API仅是起点。Gladia正致力于构建更深层的音频智能：
- 即时翻译：结合词级时间戳，上传单份音频即可在数分钟内生成数十种语言字幕；
- 内容分析：未来将支持自动摘要、主题分类、章节生成及情感分析等功能。
正如Quéguiner所言：“我们的长期愿景是从二维数据转向三维数据。转录终将商品化，真正的价值在于我们为音频注入的智能与附加选项。”