faster-whisper large-v3-turbo
Free.ai (self-hosted)
·
stt
·
~500 tákn fyrir minute
faster-whisper large-v3-turbo er a tal- í- texta líkan byggt af OpenAI / SYSTRAN. Sterkasta á Accurate transcription. Sjálfstætt hýst á Free.ai GPUs - keyrir ókeypis gegn daglegu táknlauginni þinni (500 tákn á mínútu). Útgáfa undir MIT - notkun í atvinnuskyni leyft á Free.ai.
Notaðu í gegnum API
OpenAI-samhæft REST API. Búa til lykil og kalla 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":"whisper","audio_url":"https://..."}'Algengar spurningar
faster-whisper large-v3-turbo transcribes spoken audio into text. Upload an MP3, WAV, M4A, or video file and faster-whisper large-v3-turbo returns the full transcript plus optional SRT/VTT subtitles with timestamps.
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.
Orðvillahlutfall er 5-10% á hreinu ensku hljóði, 10-20% á háværum eða accented hljóði. Stórar afbrigði af sömu arkitektúr gera merkingarbært betur á erfiðum tilvikum - velja stærri þegar hljóðið er gróft.
Já - hver hluti inniheldur byrjun / lok tímastimpil. Flytja út sem SRT eða VTT og tímakort beint á myndskeiðið þitt.
faster-whisper large-v3-turbo 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/.
Speaker diarization er sérstakt framhjá - skipta "diarize" á / transcribe /. faster-whisper large-v3-turbo meðhöndlar uppskrift; diarization merkir hvern hluta með Speaker 1 / Speaker 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 til /v1/stt/transcribe/ með model="faster-whisper large-v3-turbo". Skila JSON með texta + hlutum + orð-stig tímastimpil. /api/ hefur fulla tilvísun.
Self-hosted módel halda hljóð á GPU okkar; Premium fara í gegnum með DPA. Hljóð er eytt eftir hluta gluggann (24h anon, 7d skráður-í). Við þjálfum ekki á inntak þitt.
Þú þarft að hafa réttindi á hljóðinu sem þú hlaðir upp (eigin upptöku, efni með leyfi eða efni með samþykki) til að geta notað afritunarþjónustu Free.ai í viðskiptalegum tilgangi.
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.