faster-whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 الرموز لكل minute
faster-whisper large-v3 هو a نموذج تحويل الكلام إلى نص الذي بنته OpenAI / SYSTRAN. أفضل لاعب في Accurate transcription. استضافة ذاتية على Free.ai GPUs — يعمل مجانا ضد مجمع الرموز اليومية (500 tokens في الدقيقة). تم إصداره تحت MIT — الاستخدام التجاري مسموح به على Free.ai.
الاستخدام عن طريق واجهة البرمجة
REST API متوافق مع OpenAI. تولد مفتاحاً وتدعو هذا النموذج في ثوانٍ.
curl -X POST https://api.free.ai/v1/stt/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"faster-whisper-large-v3","audio_url":"https://..."}'الأسئلة المتكررة
faster-whisper large-v3 يقوم بنسخ الصوت المنطوق إلى نص. قم بتحميل ملف MP3 أو WAV أو M4A أو فيديو وfaster-whisper large-v3 يعيد النص الكامل بالإضافة إلى النصوص الجانبية الاختيارية SRT/VTT مع الأختام الزمنية.
faster-whisper large-v3 يتعامل مع عشرات اللغات — Whisper-family models cover 90+, Parakeet covers ~25, others vary.
معدل أخطاء الكلمات هو 5-10% على الصوت الإنجليزي النظيف، و 10-20% على الصوت المضطرب أو الملفت. المتغيرات الكبيرة من نفس البنية تفعل بشكل أفضل على الحالات الصعبة - اختار أكبر عندما يكون الصوت قاسيًا.
نعم - كل جزء يتضمن بداية / نهاية الختم الزمني. تصدير ك SRT أو VTT وخريطة الزمن مباشرة على الفيديو.
faster-whisper large-v3 يجري على وحدات المعالجة المركزية الخاصة بنا ضد مجمعك اليومي المجاني أولاً؛ $5 → 200,000 رموز مدفوعة بعد ذلك.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) — نقوم باستخراج الصوت. الحد الأقصى 500 ميغابايت لكل تحميل. الملفات الأطول؟ تقسيم مع /audio/cut/ أو استخدام /v1/stt/batch/.
faster-whisper large-v3 يتعامل مع النسخ؛ وسم الترجمة لكل جزء مع المتحدث 1 / المتحدث 2 / إلخ.
نعم - /batch/ يقبل مجلدا من الملفات الصوتية. كل نسخة من النص تصل إلى /account/?tab=history مع اسم الملف الأصلي. للحفاظ على شجرة المجلد، استخدم API.
نعم — أرسل صوتك إلى /v1/stt/transcribe/ مع النموذج "faster-whisper large-v3". يعيد JSON مع النص + الأجزاء + الختم الزمني على مستوى الكلمة. /api/ لديها المرجع الكامل.
النماذج المستضافة ذاتياً تحتفظ بالصوت على وحدات المعالجة الرسومية الخاصة بنا؛ ويتم نقل الصوت من خلال DPA. ويتم حذف الصوت بعد نافذة المشاركة (24 ساعة من دون تسجيل الدخول، 7 أيام من التسجيل).
نعم — Free.ai يمنح الاستخدام التجاري للنصوص. أنت بحاجة إلى حقوق على الصوت الذي قمت برفعه (تسجيلك الخاص، أو مواد مرخصة، أو محتوى مع موافقة).
عامل الوقت الحقيقي هو حوالي 0.05-0.2 × - 60 دقيقة من البث النصي في 3-12 دقيقة. النماذج العالية غالبا ما تنتهي أسرع.