Distil-Whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 ھەر بىرىگە توكى minute
Distil-Whisper large-v3 a سۆزدىن-ماقالىگە مودىل HuggingFace تەرىپىدىن ياسالغان. Strongest at Real-time transcription, large-volume batch STT.. Free.ai GPU لاردا ئۆز-ئۆزىنى باشقۇرىدۇ — كۈندىلىك توكى توپىڭىزغا قارشى ھەقسىز ئىشلەيدۇ (500 توكى ھەر مىنۇتتا). MIT نىڭ ئاستىدا ئېلان قىلىنغان - تىجارەت ئۈچۈن ئىشلىتىش Free.ai نىڭ ئاستىدا 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 بېرىڭ، Distil-Whisper large-v3 تولۇق ئاۋازنى قايتۇرۇپ بېرىدۇ ھەمدە SRT/VTT قىستۇرمىسىنى ۋاقىت بەلگىسى بىلەن قوشۇپ بېرىدۇ.
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.
سۆز خاتالىق نىسبىتى 5-10% بولغاندا ئىنگىلىزچە ئاۋازلىق كىتابنى ئاڭلايسىز، 10-20% بولغاندا ئاۋازلىق كىتابنى ئاڭلايسىز. ئوخشاش قۇرۇلمادىكى چوڭ نۇسخىلار بەك قىيىن ئەھۋاللاردا ياخشى ئىشلەيدۇ - ئاۋازلىق كىتاب بەك قىيىن بولسا چوڭ نۇسخىنى تاللاڭ.
ئۇنداق، ھەر بىر بۆلەككە باشلىنىش/ئاخىرلىنىش ۋاقىت بەلگىسى كىرگۈزۈلگەن. SRT ياكى VTT شەكلىدە ئېكسپورت قىلىدۇ، ۋاقىت بەلگىسى تىكلەپ سىنغا كىرگۈزۈلىدۇ.
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، ھەمدە سىن (MP4، MOV، WebM) - ئاۋازنى چىقىرىۋېتىمىز. ھەر قېتىم ئېلېكتىرونلۇق ھۆججەت يوللاشتا ئەڭ كۆپ بولغاندا 500 مىبىت. 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.
ئۇنداق - /batch/ ئۈن ھۆججەتلىرىنىڭ مۇندەرىجىسىنى قوبۇل قىلىدۇ. ھەر بىر تەرجىمە ھۆججىتى /account/?tab=history دىكى ئەسلى ھۆججەت نامى بىلەن ئاخىرلايدۇ. مۇندەرىجە دەرىخىنى ساقلاش ئۈچۈن API نى ئىشلىتىڭ.
ئۇنداق ئەمەس - ئاۋازنى /v1/stt/transcribe/ غا POST قىلىڭ. model="Distil-Whisper large-v3" نى ئىشلىتىڭ. JSON نى تېكىست + سەپلەم + سۆز دەرىجىسىدىكى ۋاقىت بەلگىسى بىلەن قايتۇرىدۇ. /api/ نىڭ تولۇق ئىزاھاتى بار.
ئۆز-ئۆزىگە ئولتۇرىدىغان مودىللار ئاۋازنى GPU دىكى گرافىكىلىق كارتىغا ساقلايدۇ؛ premium DPA ئارقىلىق ئاۋازنى ئۆتكۈزىدۇ. ئاۋاز ھەمبەھىرلەش كۆزنەكتىن كېيىن يوقىتىدۇ (24 سائەت ئانالون، 7 كۈن كىرگەندىن كېيىن). بىز سىزنىڭ كىرگۈزگەن ئۇچۇرلىرىڭىزنى تەربىيەلەمەيمىز.
ئۇنداق ئەمەس - Free.ai نىڭ يازمىلىرىنى تىجارەت قىلىشقا بولىدۇ. ئۈننى كۆچۈرۈش ھوقۇقىڭىز (ئۆزىڭىزنىڭ يازمىلىرىڭىز، رۇخسەتنامە ياكى ئىجازەت بىلەن كىرگۈزۈلگەن مەزمۇنلار) بولۇشى كېرەك.
راستىنلا ۋاقىتلىق فاكتور 0.05-0.2× - 60 مىنۇتلۇق پودكاستى 3-12 مىنۇت ئىچىدە يېزىلغان. Premium تىپىدىكىلەر كۆپىنچە تېزرەك تاماملايدۇ. بەتكۈچنى تاقايدىغان بولساق، ئالدىنقى قاتارغا قويۇش بۇيرۇقىنى ئىشلىتىمىز.