Distil-Whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 1 нче minute
Distil-Whisper large-v3 — a сүздән-матнга модель HuggingFace тарафыннан төзелгән. РФ су реестры мәгълүматлары: П-Я-Шор-Я. Self-hosted on Free.ai GPUs — runs free against your daily token pool (500 tokens минутына). Released under MIT — commercial use permitted on Free.ai.
API аша куллану
OpenAI-га туры килгән REST API. Ключны булдырыгыз һәм бу модельне секундлар эчендә чакырыгыз.
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://..."}'Кайвакыт бирелә торган сораулар
Distil-Whisper large-v3 сөйләнгән аудионы текстка тәрҗемә итә. MP3, WAV, M4A яки видеофайлны куегыз һәм Distil-Whisper large-v3 вакыт билгесе белән кушып SRT/VTT субтитрлары белән тулы тәрҗемәне кайтара.
Distil-Whisper large-v3 егермеләп телне үз эченә ала — Whisper-төрле моделләр 90+, Parakeet ~25, башкалары төрлечә. "авто-тикшерү"не сайлагыз яки иң югары төгәллек өчен телне билгеләгез.
5-10% очракта үпкә ялкынсынуы, 10-20% очракта — үпкә ялкынсынуы, 10-20% очракта — үпкә ялкынсынуы, 10-20% очракта — үпкә ялкынсынуы, 10-20% очракта — үпкә ялкынсынуы, 10-20% очракта — үпкә ялкынсынуы.
Әйе — һәр сегмент башлану/ачылу вакыты билгесен үз эченә ала. SRT яки VTT итеп экспортлау һәм вакытлар турыдан-туры видеога күчерелә.
Distil-Whisper large-v3 безнең үзебезнең GPU-ларда сезнең көн саен бушлай булган пулга каршы эшли; $5 → 200 000 түләүле токеннар соңыннан.
MP3, WAV, M4A, FLAC, OGG, плюс видео (MP4, MOV, WebM) — без аудионы чыгарабыз. Бер йөкләү өчен максималь 500 МБ. Озынрак файллар? /audio/cut/ белән аерыгыз яки /v1/stt/batch/ кулланыгыз.
1992 елдан «Татмедиа» АҖнең «Татмедиа» АҖ филиалы, «Татмедиа» АҖнең «Татмедиа» АҖ филиалы, «Татмедиа» АҖнең «Татмедиа» АҖ филиалы.
Әйе — /batch/ аудио файллар каталогын кабул итә. Һәрбер транскрипция /account/?tab=history каталогына оригиналь файл исеме белән урнаша. Бурычлар агачын саклау өчен API кулланыгыз.
1996 елдан — «Татмедиа» АҖнең «Татмедиа» АҖ филиалы, 2000 елдан — «Татмедиа» АҖнең «Татмедиа» АҖ филиалы, 2003 елдан — «Татмедиа» АҖнең «Татмедиа» АҖ филиалы.
Үз-үзен тоташтыручы модельләр аудионы безнең график процессорларда саклый; премиум DPA белән үтә. Аудио бүлешү-тәрәзәсе тәмамланганнан соң юк ителә (24 сәгатьтән соң, 7 көннән соң кереп чыгу). Без сезнең кертемнәрне өйрәнмибез.
Әйе — Free.ai транскрипцияләрне коммерция максатларында куллану хокукын бирә. Сезгә үзегез урнаштырган аудиога хокуклар кирәк (үзегезнең яздыруыгыз, лицензияле материал яки рөхсәт ителгән эчтәлек).
Реаль вакыт факторы якынча 0.05–0.2× — 60 минутлык подкаст 3–12 минут эчендә транскрипцияләнә. Премиум модельләр ешрак тизрәк тәмамлана. Табны ябарга чират баскычын кулланыгыз.