Distil-Whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 tags на minute
Distil-Whisper large-v3 - це a Модель мовлення з тексту, побудований HuggingFace. Найсильніший зекReal-time transcription, large-volume batch STT.. Self- host on Free.ai GPUs } безкоштовно йде проти вашого щоденного набору (500 _ на хвилину _). Випущено з MIT - комерційне використання на Free.ai.
Використовувати через API
Сумісний з OpenAI API REST. Створіть ключ і звантажте цю модель у секундах.
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://..."}'Часті запитання
Distil-Whisper large-v3 transes вимовлений звук буде записано у текст. Вивантажити субтитри MP3, WAV, M4A або відеофайл і Distil-Whisper large-v3 повертає повний архів плюс необов' язковий SRT/ VTT з часовими штампами.
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 помилок слова 5- 10% на чистому звуковому звуковому звукові англійською, 10- 20% на шумному або акцентованому звуковому звукові. Великі варіанти однієї архітектури значно краще у складних випадках, якщо звук є грубим, виберіть більше.
Так, кожен сегмент містить часові штампи початку/ завершення. Експортувати як SRT або VTT і карту часу безпосередньо на відео.
Distil-Whisper large-v3 спершу працює на наших власних GPU з вашим щоденним басейном; 5 → 200 000 доларів оплачуються після цього. Близько $500 марок за хвилину.
MP3, WAV, M4A, FLAC, OGG, плюс відео (MP4, MOV, WebM) - ми витягуємо звук. Макс. 500 МБ на вивантаження. Довші файли? Розділити за допомогою / audio/cut / або скористатися / v1/ st/ batch /.
Діаресифікація мови - це окремий пропуск, - перемикання " diarize " на / trancess /. Distil-Whisper large-v3 керує записом; розмінювання міток кожного сегменту за допомогою Douber 1 / speaker 2 / etc.
Так - / batch/ приймає теку звукових файлів. Кожен з записів буде записано у / account /? tab=історію з початковою назвою файла. Для збереження файлів з використанням каталогів скористайтеся API.
Так - POST ваш звуковий файл до / v1/ stt/ trancess / з моделем=" Distil-Whisper large-v3." Повертає JSON з текстом + відрізками слова + часовими штампами. / api / має повний довідник.
Самоутверджені моделі зберігають звукові дані у наших GPU; внесокний прохід за допомогою DPA. Звук буде вилучено після вікна спільного ресурсу (24h anon, 7d підписаних вами). Ми не тренуємо ваші вхідні дані.
Так - Free.ai надає комерційні права на використання трансляцій. Вам потрібні права на вивантажений вами звуковий запис (ваш власний запис, ліцензований матеріал або вміст з згідою).
Real-time factor is roughly 0.05-0.2× - a 60-minute podcast transcribes in 3-12 minutes. Premium models often finish faster. Use the queue button to close the tab.