faster-whisper large-v3-turbo
Free.ai (self-hosted)
·
stt
·
~500 kuponki minute
faster-whisper large-v3-turbo on a puheesta tekstiin -malli, jonka on rakentanut OpenAI / SYSTRAN. Vahvin Accurate transcription:ssä. Itsekeskeinen Free.ai GPU:lla – kulkee vapaasti päivittäistä pokaalia vastaan ({tpm_tokeno},minuutissa). Vapautettu MIT:n alla - kaupallinen käyttö sallittu Free.ai:n kohdalla.
Käyttö API:n kautta
OpenAI-yhteensopiva REST API. Luo avain ja soita tähän malliin sekunneissa.
curl -X POST https://api.free.ai/v1/stt/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"whisper","audio_url":"https://..."}'Usein kysyttyjä
faster-whisper large-v3-turbo kirjoittaa puhuttua ääntä tekstiin. Lataa MP3-, WAV-, M4A- tai videotiedosto ja faster-whisper large-v3-turbo palauttaa koko selostuksen sekä valinnaisen SRT/VTT-tekstityksen aikaleimalla.
faster-whisper large-v3-turbo handles dozens of languages - Whisper-family models cover 90+, others vary. Pick "auto-detect" or specify the language for highest accuracy.
Sananhimon luku on 5-10 prosenttia puhtaalla englannin äänellä, 10-20 prosenttia äänekkäällä tai korostuneella äänellä. Suuret saman arkkitehtuurin versiot tekevät paljon paremmin kovissa tapauksissa - valitse suurempi, kun ääni on karkeaa.
Kyllä - jokaisessa segmentissä on aloitus- ja loppuaikaleimat. Vie SRT:nä tai VTT:nä ja aikakartta suoraan videollesi.
faster-whisper large-v3-turbo toimii omilla GPU-laitteillamme päivittäistä ilmaista allaspaikkaasi vastaan ensin 5 dollaria → 200 000 dollaria maksettuja rahakkeita sen jälkeen. Noin 500 kuponkia minuutissa.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) - poistamme äänen. Max 500 MB per lataus. Pidemmät tiedostot? Jaettuna /audio/cut/ tai käyttää /v1/st/batch/.
Kaiuttimen diarisointi on erillinen syöttö - "diarisoida" /transcription/. faster-whisper large-v3-turbo käsittelee transkription; diarisoinnin tarroja kussakin segmentissä kaiuttimen 1 / kaiuttimen 2 / jne.
Kyllä - /batch/ hyväksyy äänitiedostojen kansion. Jokainen transkripti laskeutuu /country/?tab=historiaan alkuperäisen tiedostonimellä. Kansion ja puun säilytykseen käytetään API:tä.
Kyllä - POST äänitasosi on /v1/stt/transcribe/ with model="faster-whisper large-v3-turbo". Palauttaa JSONin tekstillä + segmenteillä + sanatasolla. /apilla on koko viite.
Omatoimiset mallit pitävät äänen GPU:ssa; premium-maksu kulkee läpi DPA:lla. Ääni poistetaan osakeikkunan jälkeen (24h anon, 7d kirjautumisesta). Emme harjoittele tuloksillasi.
Kyllä - Free.ai myöntää kaupallisen käytön skriptikirjoituksille. Tarvitset oikeudet lataamaasi äänitteeseen (oma tallenne, lisensoitu materiaali tai sisältö suostumuksella).
Reaaliaikakerroin on noin 0,05-0,2 x - 60 minuutin podcast-kirjoitus 3-12 minuutissa. Premium-mallit valmistuvat usein nopeammin. Sulje välilehti jonon painikkeella.