faster-whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 žetoni uz vienu minute
faster-whisper large-v3 ir {da}ļiņu__ {kategorija}, ko {pied}āvātājs_. Sasniegumi Accurate transcription. Pašuzņēmums Free.ai GPU – brauc bez maksas pret jūsu ikdienas žetonu baseins (500 žetoni minūtē). Atbrīvo saskaņā ar MIT — komerciāla izmantošana atļauta Free.ai. gadā.
Izmantošana caur API
AtvērtAI savietojama REST API. Generējiet atslēgu un zvaniet šo modeli sekundēs.
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://..."}'Bieži uzdoti jautājumi
faster-whisper large-v3 tranraksti skaļi audio tekstā. Ielādējiet MP3, WAV, M4A vai video failu un faster-whisper large-v3 atgriež pilnu transkriptu plus izvēles SRT/VTT subtitrus ar laika zīmogiem.
faster-whisper large-v3 hands desmiti valodu — Whisper-ģimenes modeļi aptver 90+, Parakeet cover ~25, citi atšķiras. Izvēlieties "auto-detektēšana" vai norādiet valodu, lai panāktu augstāko precizitāti.
Word-error ātrums ir 5-10% uz tīra angļu audio, 10-20% uz trokšņains vai izcelts audio. Lieli varianti tās pašas arhitektūras dara jēgpilni labāk par grūtiem gadījumiem — izvēlieties lielāku, kad audio ir raupja.
Jā — katrs segments ietver sākuma/gala laika zīmjus. Eksportēt kā SRT vai VTT un laika karti tieši uz jūsu video.
faster-whisper large-v3 darbojas uz mūsu pašu GPU pret jūsu ikdienas bezmaksas baseins vispirms; $5 → 200,000 maksā žetonus pēc tam. Par ~500 žetoni minūtē.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) — mēs iegūstam audio. Maksimāli 500 MB uz augšupielādi. Ilgāki faili? Split with /audio/cut/ or use /v1/stt/partch/.
Skaļruņa diarizācija ir atsevišķa caurlaide — pārslēdziet "dializējiet" par / transkripciju/. faster-whisper large-v3 roku transkripciju; Diarizēšanas etiķetes katram segmentam ar Skaļruņu 1 / Skaļrunis 2 / uc
Jā — /partch/ pieņem audio failu mapi. Katra transkripcijas laukuma / konts /? tab=vēsture ar oriģinālo faila nosaukumu. Mapju koku saglabāšanai izmantojiet API.
Jā — Parakstīt audio uz /v1/stt/ transliter/ ar modeli="faster-whisper large-v3". Atgriež JSON ar tekstu + segmentiem + vārda līmeņa rakstzīmēm. /api/ ir pilna atsauce.
Pašuzturēti modeļi saglabāt audio uz mūsu GPUs; premium iet cauri ar DPA. Audio tiek dzēsts pēc Share-window (24h anon, 7d pierakstīšanās). Mēs nemācāmies uz jūsu ievades.
Jā — Free.ai dod tiesības komerciāli izmantot transkriptus. Jums ir vajadzīgas tiesības uz jūsu augšupielādēto audio (savu ierakstu, licencēto materiālu vai saturu ar piekrišanu).
Reālā laika faktors ir aptuveni 0,05-0,2× — 60 minūšu podcast transkripcija 3–12 minūšu laikā. Premium modeļi bieži vien beidzas ātrāk. Izmantojiet rindas pogu, lai aizvērtu cilni.