faster-whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 tákn á minute
faster-whisper large-v3 er a tal- í- texta líkan byggt af OpenAI / SYSTRAN. Stærsti á Accurate transcription. Sjálfstætt hýst á Free.ai GPUs - keyrir ókeypis gegn daglegu táknlauginni þinni (500 tákn á mínútu). Útgefið undir MIT — notkun í atvinnuskyni leyfð á Free.ai.
Notaðu í gegnum API
OpenAI-samhæft REST API. Búðu til lykil og hringdu í þetta líkan í sekúndum.
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://..."}'Algengar spurningar
Hlaða upp MP3, WAV, M4A eða myndskeiðsskrá og faster-whisper large-v3 skilar fullri afritunarskrá auk valfrjáls SRT / VTT texta með tímastimpil.
faster-whisper large-v3 meðhöndlar heilmikið af tungumálum - Whisper-fjölskyldu módel ná yfir 90+, Parakeet nær yfir ~ 25, aðrir eru mismunandi.
Orðvillahlutfall er 5-10% á hreinu ensku hljóði, 10-20% á háværu eða hreimuðu hljóði.Stóra afbrigði af sömu arkitektúr gera merkingarbetri á erfiðum tilvikum - veldu stærri þegar hljóðið er gróft.
Já - hver hluti inniheldur upphaf / lok tímastimpil. Flytja út sem SRT eða VTT og tímakort beint á myndbandið þitt.
faster-whisper large-v3 keyrir á eigin GPU okkar gegn daglegu ókeypis laug þinni fyrst; $ 5 → 200.000 greidd tákn eftir það. Um ~ 500 tákn á mínútu.
MP3, WAV, M4A, FLAC, OGG, auk myndskeiða (MP4, MOV, WebM) — við tökum út hljóðin. Hámark 500 MB á hverja upphleðslu. Lengri skrár? Skipta með /audio/cut/ eða nota /v1/stt/batch/.
Höfundur diarization er sérstakt framhjá - skipta "diarize" á / transcribe /. faster-whisper large-v3 meðhöndlar uppskrift; diarization merkir hvern hluta með Hátalari 1 / Hátalari 2 / osfrv.
Já — / batch / tekur við möppu með hljóðskrám. Hver afritunarskrá lendir í / account/? tab=history með upprunalegu skráarheitinu. Til að varðveita möpputré notaðu API.
Já — POST hljóðið þitt í /v1/stt/transcribe/ með model="faster-whisper large-v3". Sýnir JSON með texta + hlutum + tímastimpli á orðastigi. /api/ hefur fulla tilvísun.
Self-hosted módel halda hljóð á GPU okkar; Premium fara í gegnum með DPA. Hljóð er eytt eftir að deila glugga (24h anon, 7d skráður-í).
Yes — Free.ai grants commercial use of transcripts. You need rights to the audio you uploaded (your own recording, licensed material, or content with consent).
Rauntímaþátturinn er um það bil 0,05-0,2 × - 60 mínútna podcast afrita á 3-12 mínútum. Premium módel klárast oft hraðar. Notaðu biðröð hnappinn til að loka flipanum.