Distil-Whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 Символы в расчете на minute
Distil-Whisper large-v3 a модель " от слова к тексту " построено HuggingFace. Самый сильный при Real-time transcription, large-volume batch STT.. Самоорганизуется на Free.ai GPU — бесплатно против вашего ежедневного символического пула ( 500 жетонов в минуту). Выпущено согласно MIT - Коммерческое использование разрешено Free.ai.
Использование через API
OpenAI-совместимый REST API. Создайте ключ и вызовите эту модель за секунды.
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://..."}'Часто задаваемые вопросы
Distil-Whisper large-v3 транскрипции слышны звук в тексте. Загрузите MP3, WAV, M4A или видео файл и Distil-Whisper large-v3 возвратите полную запись плюс факультативные субтитры SRT/VTT с тайм-марками.
Distil-Whisper large-v3 обрабатывает десятки языков — Whisper семейные модели охватывают 90+, Parakeet охватывает ~25, другие различаются.
Крупные варианты одной и той же архитектуры значительно лучше работают в сложных случаях — выбирайте больше, когда звук груб.
Да — каждый сегмент включает в себя стартовую/конец времени.
Distil-Whisper large-v3 runs on our own GPUs against your daily free pool first; $5 → 200,000 paid tokens after that. About ~500 tokens per minute.
MP3, WAV, M4A, FLAC, OGG, плюс видео (MP4, MOV, WebM) — мы извлекаем аудио. Макс 500 MB за загрузку. Более длинные файлы? Разделить с /audio/cut/ или использовать /v1/stt/batch/.
Диааризация спикера — это отдельный пропуск — манипулировать «диаризацией» на /Tranrap/. Distil-Whisper large-v3 занимается стенографией; диарейные этикетки на каждом сегменте с спикером 1/ спикером 2/ и т.д.
Да — / batch/ принимает папку аудиофайлов. Каждая транскрипция попадает в /account/?tab=историю с оригинальным именем файла. Для сохранения папки-три используйте API.
Да — POST Ваш звук на /v1/stt/tranrip/ с моделью=" Distil-Whisper large-v3 Возвращает JSON с текстом + сегменты + временнóе время уровня слов. /api/ имеет полную ссылку.
Самодельные модели хранят аудио на наших GPU; премиальные проходят через DDR. Аудио удаляется после совместного окна (24h anon, 7d подписано). Мы не тренируемся на ваших входных данных.
Да — Free.ai предоставляет коммерческое использование стенограмм. Вам нужны права на загрузку аудиозаписи (ваша собственная запись, лицензированный материал или контент с согласия).
Коэффициент реального времени примерно 0,05-0,2 × — 60-минутные транскрипции через 3-12 минут. Премиум модели часто заканчивают быстрее. Используйте кнопку очереди для закрытия вкладки.