Distil-Whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 ھەر بىرىگە توكى minute
Distil-Whisper large-v3 a سۆزدىن-ماقالە تىپى HuggingFace تەرىپىدىن ياسالغان. {best} نىڭ ئەڭ كۈچلۈكى. Free.ai GPU لاردا ئۆز-ئۆزىنى باشقۇرىدۇ — كۈندىلىك توكى توپىڭىزغا قارشى ھەقسىز ئىشلەيدۇ (500 توكى ھەر مىنۇتتا). MIT بويىچە ئېلان قىلىنغان — Free.ai گە تىجارەت قىلىشقا رۇخسەت قىلىنغان.
API ئارقىلىق ئىشلىتىش
OpenAI بىلەن ماس كېلىدىغان REST API. ئاچقۇچنى قۇرۇپ، بۇ مودېلىنى بىر نەچچە سېكۇنت ئىچىدە چاقىرىۋېتىدۇ.
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://..."}'كۆپ سورالغان سوئاللار
Distil-Whisper large-v3 سۆزلەنگەن ئاۋازنى تېكىستكە ئايلاندۇرۇپ بېرىدۇ. MP3، WAV، M4A ياكى سىن ھۆججىتىنى يۈكلەپ بېرىپ Distil-Whisper large-v3 نىڭ ۋاقتىنى كۆرسىتىپ، تولۇق ئاۋازنى ۋە تاللاشقا بولىدىغان SRT/VTT قىستۇرمىسىنى قايتۇرۇپ بېرىدۇ.
Distil-Whisper large-v3 نۇرغۇن تىللارنى قوللايدۇ — Whisper-family model 90+ نى قوللايدۇ، Parakeet ~25 نى قوللايدۇ، باشقا تىللار ئۆزگىرىشچان. ئەڭ توغرا بولۇشى ئۈچۈن «ئۆزلۈكىدىن بايقاش» نى تاللاڭ ياكى تىلنى كۆرسىتىڭ.
سۆز خاتالىق نىسبىتى 5-10% بولغاندا، ئاۋازلىق ئىنگىلىزچە، 10-20% بولغاندا ئاۋازلىق ياكى ئاۋازلىق ئاۋازلىق. ئوخشاش قۇرۇلما چوڭ نۇسخىلىرى بەكرەك ياخشى ئىشلەيدۇ - ئاۋازلىق بەك قىيىن بولسا چوڭ نۇسخىنى تاللاڭ.
ئۇنداق — ھەر بىر بۆلەككە باشلىنىش/ئاخىرلىنىش ۋاقىت بەلگىسى كىرگۈزۈلگەن. SRT ياكى VTT شەكلىدە ئېكسپورت قىلسىڭىز، ۋاقىت بەلگىسى توغرا سىنغا كىرگۈزۈلىدۇ.
Distil-Whisper large-v3 سىزنىڭ كۈندىلىك ھەقسىز توپىڭىزغا قارشى ئالدى بىلەن بىزنىڭ GPU لىرىمىزدا ئىشلەيدۇ؛ $5 → 200،000 پۇللۇق توكىندىن كېيىن. ھەر مىنۇتتا ~500 توكىندىن كۆپرەك.
MP3، WAV، M4A، FLAC، OGG، ھەمدە سىن (MP4، MOV، WebM) — ئاۋازنى چىقىرىۋېتىمىز. ھەر قېتىم يوللاشتا ئەڭ كۆپ 500 ميگابايت. ئۇزۇن ھۆججەتلەرنى /audio/cut/ ياكى /v1/stt/batch/ بىلەن ئايرىۋېتىش كېرەكمۇ؟
Distil-Whisper large-v3 نىڭ قوللىشى بىلەن تەرجىمە قىلىنىدۇ؛ diarization ھەر بىر بۆلەكنى Speaker 1 / Speaker 2 / قاتارلىقلار بىلەن چەكلەيدۇ.
ھەئە — /batch/ ئۈن ھۆججەتلىرىنى قوزغاتىدۇ. ھەر بىر قوزغاتقۇچ /account/?tab=history غا ئەسلى ھۆججەت نامى بىلەن چۈشىدۇ. مۇندەرىجە دەرەخىنى ساقلاش ئۈچۈن API نى ئىشلىتىڭ.
ئۇنداق — ئۈنىڭىزنى /v1/stt/transcribe/ غا POST قىلىپ، model="Distil-Whisper large-v3" نى قويۇڭ. تېكىست + قىسمى + سۆز دەرىجىسىدىكى ۋاقىت بەلگىسى بىلەن JSON نى قايتۇرىدۇ. /api/ نىڭ تولۇق ئىزاھاتى بار.
ئۆز-ئۆزىنى باشقۇرىدىغان مودىللار ئۈننى گرافىكىلىق بىرلىككە كەلتۈرگۈچتە ساقلايدۇ؛ ئالىي دەرىجىلىكلەر DPA ئارقىلىق ئۆتۈپ كېتىدۇ. ئۈن ھەمبەھىرلەش كۆزنەكىدىن كېيىن يوقىلىدۇ (24 سائەت بىخەتەر، 7 كۈن كىرگەندىن كېيىن). بىز سىزنىڭ كىرگۈزگەن ئۇچۇرلىرىڭىزنى تەربىيەلەمەيمىز.
ھەئە — Free.ai نىڭ يازمىلىرىنى تىجارەت قىلىشقا بولىدۇ. ئۈننى كۆچۈرۈش ھوقۇقى (ئۆزىڭىزنىڭ يازمىلىرى، ئىجازەتنامە بىلەن يازمىلارنى كۆچۈرۈش ھوقۇقى ياكى ئىجازەت بىلەن يازمىلارنى كۆچۈرۈش ھوقۇقى) سىزگە كېرەك.
60 مىنۇتلۇق پودكاستى 3-12 مىنۇت ئىچىدە يېزىلغان. Premium تىپىدىكى پروگرامما كۆپىنچە تېزرەك تاماملايدۇ. بەت بېتىنى تاقايدىغان بولساق، ئالدىنقى قاتارغا قويغۇچنى ئىشلىتىمىز.