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 ", построенный HuggingFace. Самый сильный в Real-time transcription, large-volume batch STT.. Самоорганизуется на Free.ai GPU — бесплатно против вашего ежедневного символического пула ( 500 токенов в минуту). Выпущен под MIT - коммерческое использование разрешено на Free.ai.
Использование через API
OpenAI-совместимый REST API. Выделите ключ и позвоните этой модели 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 tranrags говорит звук в текст. Загрузите MP3, WAV, M4A или видео файл и Distil-Whisper large-v3 возвращает полную запись плюс факультативные субтитры SRT/VTT с тайм-маркерами.
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.
Частота звукового воздействия составляет 5-10% на чистом английском аудио, 10-20% на шумном или акцентированном. Крупные варианты одной и той же архитектуры значительно лучше подходят в сложных случаях - выбирайте больше, когда звук неровный.
Да - каждый сегмент включает в себя стартовые/кодовые табели времени. Экспортировать как SRT или VTT и умножить на умноженное на ваше видео.
Distil-Whisper large-v3 сначала гоняются на наших собственных GPU против вашего ежедневного бесплатного бассейна; 5 ≥ 200 000 платных жетонов после этого около 500 символов в минуту.
MP3, WAV, M4A, FLAC, OGG, плюс видео (MP4, MOV, WebM) - мы извлекаем аудио. Макс 500 МБ на загрузку. Длинее файлы? Разделить с /audio/cut/ или использовать /v1/stt/batch/.
Диарея для спикера - это отдельный пропуск - манипулировать "диатриза" на /Tranrap/. Distil-Whisper large-v3 держит транскрипцию; диарейные этикетки на каждом сегменте с спикером 1/ спикером 2/ и т.д.
Да - / batch/ принимает папку аудиофайлов. Каждая запись попадает в /account/?tab=историю с оригинальным именем файла. Для сохранения папки-три используйте API.
Да - POST ваш аудио--- /v1/stt/trranrap/ с моделью= "Distil-Whisper large-v3". Возвращает SSON с текстом + сегменты + время-уровень слов. /api/ имеет полную ссылку.
Самозапрограммированные модели хранят аудио на наших GPU; премиальные проходят через DDR. Аудио удаляется после проигрыша (24h anon, 7d подписано). Мы не тренируемся на ваших входных данных.
Да - Free.ai предоставляет коммерческое использование стенограмм. Вам нужны права на загруженный вами аудиозапись (ваша собственная запись, лицензированный материал или содержание с согласия).
Коэффициент реального времени составляет приблизительно 0,05-0,2 x - 60-минутные транскрипции транспарантов за 3-12 минут. Премиум модели часто заканчивают быстрее. Используйте кнопку очереди для закрытия вкладки.