Distil-Whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 polletter per minute
Distil-Whisper large-v3 är {artikel} {kategori} byggd av HuggingFace. Starkast på Real-time transcription, large-volume batch STT.. Självvärdig på Free.ai GPUs – körs gratis mot din dagliga tokenpool (500 tokens per minut). Släppt under MIT – tillåten kommersiell användning på Free.ai.
Använd via API
OpenAI-kompatibelt REST API. Skapa en nyckel och ring denna modell på några sekunder.
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://..."}'Liknande modeller
Vanliga frågor
Distil-Whisper large-v3 transkriberar talat ljud till text. Ladda upp en MP3, WAV, M4A eller videofil och Distil-Whisper large-v3 returnerar den fullständiga utskriften plus valfria SRT/VTT text med tidsstämplar.
Distil-Whisper large-v3 hanterar dussintals språk — Whisper-familj modeller täcker 90+, Parakeet täcker ~25, andra varierar. Välj "auto-detect" eller ange språket för högsta noggrannhet.
Word-terror är 5–10% på rent engelskt ljud, 10-20% på bullriga eller accentuerade ljud. Stora varianter av samma arkitektur gör meningsfullt bättre på hårda fall - plocka större när ljudet är grov.
Ja — varje segment inkluderar start/slut timestamps. Exportera som SRT eller VTT och gånger kartan direkt till din video.
Distil-Whisper large-v3 körs på våra egna GPUs mot din dagliga gratis pool först; $5 → 200 000 betalade polletter efter det. Om ~500 polletter per minut.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) – vi extraherar ljudet. Max 500 MB per uppladdning. Längre filer? Dela med /audio/cut/ eller använd /v1/st/batch/.
Speaker diarization är ett separat pass — växla "diarize" på /transcribe /. Distil-Whisper large-v3 hanterar transkriptionen; diarization etiketter varje segment med högtalare 1 / högtalare 2 / etc.
Ja — / batch/ accepterar en katalog med ljudfiler. Varje utskrift landar i / account/?tab= historia med det ursprungliga filnamnet. För arkivering av katalogträd använd API:et.
Ja — Skicka ditt ljud till /v1/st/transcribe/ med modell="Distil-Whisper large-v3". Returnerar JSON med text + segment + Word-level timestamps. /api/ har den fullständiga referensen.
Självvärdiga modeller håller ljud på våra GPUs; premium passera genom med en DPA. Ljud tas bort efter share-window (24h anon, 7d inloggad). Vi tränar inte på dina ingångar.
Ja — Free.ai beviljar kommersiell användning av utskrifter. Du behöver rättigheter till det ljud du laddat upp (din egen inspelning, licensierat material eller innehåll med samtycke).
Realtidsfaktorn är ungefär 0,05–0,2× — en 60-minuters podcast transkriberar i 3–12 minuter. Premium modeller ofta slutar snabbare. Använd köknappen för att stänga fliken.