Distil-Whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 tokens per minute
Distil-Whisper large-v3 a söz-mətnə model tərəfindən HuggingFace tərəfindən inşa edilmişdir. Strongest at Real-time transcription, large-volume batch STT.. Free.ai GPU-larda öz-özünə host edilmişdir — gündəlik token pulunuza qarşı pulsuz işləyir (500 tokens Dəyişdir). MIT - ticarət istifadəsi Free.ai ilə icazə verilir.
API vasitəsilə istifadə et
OpenAI-a uyğun REST API. Açar yaradın və bu modeli saniyələr içində çağırın.
curl -X POST https://api.free.ai/v1/stt/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"distil-whisper-large-v3","audio_url":"https://..."}'Tez-tez Sorulan Sual
Distil-Whisper large-v3 səsli mətni mətnə çevirir. MP3, WAV, M4A və ya video fayl yükləyin və Distil-Whisper large-v3 bütün transkripti və əlavə olaraq vaxt işarələrlə SRT/VTT subtitrlərini geri qaytarır.
Distil-Whisper large-v3 handles dozens of languages - Whisper-family models cover 90+, others vary. Pick "auto-detect" or specify the language for highest accuracy.
Söz səhvləri nisbəti təmiz İngilis səsi üçün 5-10%, səsli və ya aksentli səs üçün 10-20%'dir. Bu arxitekturanın böyük variantları çətin hallarda daha yaxşı işləyir - səsin tüklü olduğu zaman böyük variantları seçin.
Bəli - hər hissə başlanğıc/son vaxt damğaları daxildir. SRT ya da VTT olaraq ixrac et və vaxtlar videonuza doğrudan-doğruya köçürüləcəkdir.
Distil-Whisper large-v3 ilk öncə gündəlik pulsuz pulunuza qarşı öz GPU-larımızda işləyir; $5 → 200,000 ödənişli token sonra. Dəqiqədə ~500 token.
MP3, WAV, M4A, FLAC, OGG, video (MP4, MOV, WebM) - səsi çıxarırıq. Yükləmə başına maksimum 500 MB. Daha uzun fayllar? /audio/cut/ ilə bölün ya da /v1/stt/batch/ istifadə edin.
Sənədçi diarizasiya ayrı bir keçiddir - /transcribe/ üzərində "diarize" fəallaşdırın. Distil-Whisper large-v3 transkripsiyanı idarə edir; diarization hər bir segmenti Sənədçi 1 / Sənədçi 2 / və s. ilə etiketləyir.
Bəli - /batch/ audio faylları qovluğunu qəbul edir. Hər transkript orijinal fayl adı ilə /account/?tab=history-də yerləşir. Qovluq ağacının qorunması üçün API-ni istifadə et.
Bəli - Audionuzu model="Distil-Whisper large-v3" ilə /v1/stt/transcribe/-ə POST edin. JSON-u mətn + hissə + söz səviyyəli vaxt damğaları ilə geri qaytarır. /api/ tam istinaddır.
Öz-özünə qoşulan modellər səsi GPU-da saxlayır; premium DPA ilə keçid verir. Səs paylaşma pəncərəsindən sonra silinir (24 saat anon, 7 gün daxil). Biz sizin daxil olmalarınızı öyrənmirik.
Bəli - Free.ai transkriptlərin kommersiya istifadəsini icazə verir. Siz yüklədiyiniz səsin hüquqlarını (öz qeydinizi, lisenziyalı materialı, ya da icazəli məzmunu) tələb edirsiniz.
Real vaxt faktoru təxminən 0.05-0.2× - 60 dəqiqəlik podcast 3-12 dəqiqədə transkriptləşir. Premium modellər tez-tez daha sürətli bitir. Səkənəni bağlamaq üçün növbə düyməsini istifadə et.