Distil-Whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 ҳар бир minute
Distil-Whisper large-v3 a сўздан матнга модел томонидан HuggingFace томонидан яратилган. Real-time transcription, large-volume batch STT. да энг кучли. Free.ai GPU'ларда ўз-ўзидан жойлаштирилган — сизнинг кундалик токенларингизга қарши бепул ишлайди (500 токенлар дақиқада). MIT остида чиқарилган — Free.ai дан коммерциявий фойдаланишга рухсат берилган.
API орқали фойдаланиш
OpenAI-га мос REST API. Алоқани яратинг ва бу моделни секундларда чақиринг.
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://..."}'Худди шундай моделлар
Кўп бериладиган саволлар
Distil-Whisper large-v3 сўзланган аудиони матнга транскрипция қилади. MP3, WAV, M4A ёки видео файлни юклаб олинг ва Distil-Whisper large-v3 тўлиқ транскрипцияни ва вақт белгилари билан қўшимча SRT/VTT субтитрларини қайтаради.
Distil-Whisper large-v3 бир неча тилларни қўллаб-қувватлайди — Whisper-фамилияси моделлари 90+ дан ортиқ тилларни қўллаб-қувватлайди, Parakeet ~25 дан ортиқ тилларни қўллаб-қувватлайди, бошқалари эса турлича. "авто-таърифлаш"ни танланг ёки энг юқори аниқлик учун тилни кўрсатинг.
Ўзгартирилган сўз хато даражаси 5-10% тоза инглиз аудиосида, 10-20% шовқинли ёки акцентли аудиода. Худди шу архитектуранинг катта вариантлари қийин ҳолатларда яхшироқ ишлайди - аудио нотўғри бўлса, каттасини танланг.
Ҳа — ҳар бир сегмент бошланиш/охири вақтини ўз ичига олади. СРТ ёки VTT сифатида экспорт қилинг ва вақтлар видеога тўғридан-тўғри жойлаштирилади.
Distil-Whisper large-v3 биринчи навбатда сизнинг кундалик бепул пулингизга қарши ўз GPUларимизда ишлайди; $5 → 200,000 тўлов токенлари кейин. Ҳар дақиқада ~500 токен.
MP3, WAV, M4A, FLAC, OGG, плюс видео (MP4, MOV, WebM) — аудиони ажратамиз. Ҳар бир юклашда максимум 500 MB. Кўп файллар? /audio/cut/ билан ажратамиз ёки /v1/stt/batch/дан фойдаланамиз.
Овозли диаризация алоҳида ўтади — /transcribe/'да "diarize"ни ўчириб-ёқиш. Distil-Whisper large-v3 транскрипцияни бошқаради; диаризация ҳар бир сегментни 1-Овозли / 2-Овозли / ва ҳоказо билан белгилайди.
Ҳа — /batch/ аудио файллар жилдини қабул қилади. Ҳар бир транскрипт /account/?tab=history да асл файл номи билан жойлашади. Жилд дарахти сақлаш учун API'ни ишлатинг.
Ҳа — аудиони /v1/stt/transcribe/га POST қилиш, модел="Distil-Whisper large-v3" билан. Матн + сегментлар + сўз даражасидаги вақт белгилари билан JSON қайтаради. /api/ тўлиқ манбага эга.
Ўз-ўзини бошқарувчи моделлар аудиони GPU'ларда сақлайди; premium DPA билан ўтади. Аудио ўртоқлашиш ойнаси тугагандан кейин ўчириб ташланади (24 соатдан кейин, 7 кундан кейин кириш). Биз сизнинг киритишларингизни ўрганмаймиз.
Ҳа — Free.ai транскриптларни савдо мақсадларида фойдаланишга рухсат беради. Сиз юклаб олган аудионинг ҳуқуқлари (ўзингизнинг ёзувингиз, лицензияланган материал ёки рухсат берилган мазмун) керак.
Реал вақт фактори тахминан 0.05–0.2× - 60 дақиқалик подкаст 3–12 дақиқада транскрипция қилинади. Premium моделлари кўпинча тезроқ тугайди. Табни ёпиш учун навбат тугмасини ишлатинг.