faster-whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 жетон/ секунд minute
faster-whisper large-v3 — a сөйлеуден мәтінге модель OpenAI / SYSTRAN жасаған. 1995 жылы «Бесінші арна» (қаз. Free.ai ГБ-қа дейінгі графикалық процессорларда өздігінен хостталған — күнделікті токендеріңізге қарсы тегін жұмыс істейді (500 токендері минутына). Released under MIT — commercial use permitted on Free.ai.
API арқылы қолдану
OpenAI-ге сәйкесті REST API. Кілт құрып, осы модельді секундтар ішінде шақыру.
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://..."}'Жиі қойылатын сұрақтар
faster-whisper large-v3 сөйлеген дыбыстарды мәтінге аударады. MP3, WAV, M4A немесе видео файлды жүктеп алыңыз, faster-whisper large-v3 толық транскриптті және таңдаулы SRT/VTT субтитрлерін уақыт белгісімен қайтарады.
faster-whisper large-v3 бірнеше тілдерді қолдайды — Whisper-семейлігінің үлгілері 90+ тілді қамтиды, Parakeet ~25 тілді қамтиды, басқалары әртүрлі. Ең дәл болу үшін "авто-табу" дегенді таңдаңыз немесе тілді келтіріңіз.
Сөз қателерінің деңгейі таза ағылшын тілінде 5- 10%, шулы немесе акцентті дыбыстарда 10- 20% құрайды. Осы архитектураның үлкен нұсқалары қатты дыбыстарда жақсы жұмыс істейді - дыбыс қатты болса, үлкенін таңдаңыз.
Иә — әрбір сегмент бастау/ аяқтау уақыт белгісін қамтиды. SRT не VTT түрінде экспорттау және уақыт белгілерін тікелей бейнеге түсіру.
faster-whisper large-v3 біздің өз GPU-ларымызда күнделікті тегін жинақпен жұмыс істейді; $5 → 200,000 төлемді жетондар кейін. шамамен ~500 жетон минутына.
MP3, WAV, M4A, FLAC, OGG, сонымен қатар видео (MP4, MOV, WebM) — аудионы тарқатамыз. Бір жүктеу үшін максимум 500 МБ. Ұзын файлдар? /audio/cut/ арқылы бөліңіз немесе /v1/stt/batch/ қолданыңыз.
Диаграммада 1-ші және 2-ші нұсқалар арасындағы айырмашылықтар көрсетілген: 1-ші нұсқада 1-ші нұсқада 2-ші нұсқада 3-ші нұсқада 4-ші нұсқада 5-ші нұсқада 6-шы нұсқада 7-ші нұсқада 8-ші нұсқада 9-шы нұсқада 10-шы нұсқада 11-ші нұсқада 12-ші нұсқада 13-ші нұсқада 14-ші нұсқада 15-ші нұсқада 16-шы нұсқада 17-ші нұсқада 18-ші нұсқада 19-шы нұсқада 20-шы нұсқада 21-ші нұсқада 22-ші нұсқада 23-ші нұсқада 24-ші нұсқада 25-ші нұсқада 26-шы нұсқада 27-ші нұсқада 28-ші нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы нұсқада 29-шы
Иә — / batch / аудио файлдар қапшығын қабылдайды. Әрбір транскрипция / account /? tab=history дегенге бастапқы файл атауымен түседі. Қапшық- бұтақты сақтау үшін API- ны қолданыңыз.
Иә — Аудиоңызды /v1/stt/transcribe/ дегенге POST етіп, model="faster-whisper large-v3" деп жазыңыз. JSON мәтіні + сегменттері + сөз деңгейіндегі уақыт белгісімен қайтарылады. /api/ толық сілтемесі бар.
Өз- өзіміздің хосттағы модельдеріміз аудионы GPU- ларда сақтайды; премиум модельдер DPA арқылы өткізеді. Аудио бөлісу терезесінен кейін өшіріледі (24 сағат анонимді, 7 күн жүйеге кірген). Біз сіздің кірістеріңізді оқымаймыз.
Иә — Free.ai транскрипттерді коммерциялық пайдалануға рұқсат береді. Жүктелген аудиоға құқықтарыңыз болуы керек (өзіңіздің жазбаңыз, лицензияланған материал немесе рұқсатпен мазмұн).
Реал уақыт коэффициенті шамамен 0.05-0.2× — 60 минуттық подкаст 3-12 минутта жазылады. Premium үлгілері көбінесе тезірек аяқталады. Қойындыны жабу үшін кезек батырмасын басыңыз.