faster-whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 znaki na minute
faster-whisper large-v3 jest a model mowy do tekstu zbudowany przez OpenAI / SYSTRAN. Najsilniejszy w Accurate transcription. Samodzielnie umieszczony na Free.ai GPU – biegnie wolny od codziennego zbiornika żetonów (500 žetonów za minutę). Uwolnione pod {licence} — użytkowanie handlowe dozwolone na Free.ai.
Użyj przez API
Kompatybilny z OpenAI REST API. Generuj klucz i zadzwoń po ten model w sekundach.
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://..."}'Często zadawane pytania
faster-whisper large-v3 transcribe audio w tekst. Wyślij MP3, WAV, M4A, lub plik wideo i faster-whisper large-v3 zwraca pełną transkrypcję plus opcjonalne napisy SRT/VTT z czasem.
faster-whisper large-v3 obsługuje dziesiątki języków — Whisper-rodzinne modele obejmują 90+, Parakeet pokrywa ~25, inne różnią się. Wybierz "autodetekcję" lub określ język dla najwyższej dokładności.
Wskaźnik błędów jest 5–10% na czystym angielskim audio, 10–20% na głośnym lub akcentowanym audio. Duże warianty tej samej architektury mają sensownie lepszy wpływ na trudne przypadki — wybierz większe, gdy dźwięk jest surowy.
Tak — każdy segment obejmuje czas start/end. Eksportować jako SRT lub VTT i mapę czasów bezpośrednio do swojego wideo.
faster-whisper large-v3 biegnie najpierw na własnych GPU w stosunku do codziennego bezpłatnego basenu; $5 → 200 000 zapłaconych żetonów po tym. Około ~500 żetonów na minutę.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) — wyciągamy dźwięk. Max 500 MB na wysłanie. Długiej pliki? Rozdzielić z /audio/cut/ lub użyć /v1/stt/batch /.
Dializacja głośnika jest odrębnym przekroczeniem – włączanie "diarize" na /transcribek/. faster-whisper large-v3 obsługuje transkrypcję; etykiety diaryzacyjne każdego segmentu za pomocą głośnika 1 / głośnika 2 / itd.
Tak — /batch/ akceptuje folder plików audio. Każdy transkrypt wyląduje w /account /?tab=history z oryginalnym nazwą pliku. Do zachowania folderów- drewna używaj API.
Tak — POST audio do /v1/stt/transcribe/ z modelem="faster-whisper large-v3". Zwraca JSON z tekstem + segmenty + czasopisma na poziomie słowa. /api / ma pełne odniesienie.
Samodzielne modele trzymają dźwięk na naszych GPU; premium przejść z DPA. Audio jest usuwane po okienku share-okien (24h anon, 7d podpisany). Nie trenujemy na wejściach.
Tak — Free.ai przyznaje komercyjne wykorzystanie transkryptów. Potrzebujesz praw do wysłanego audio (własny nagranie, licencjonowany materiał lub zawartość z zgodą).
Faktor w czasie rzeczywistym wynosi około 0,05–0,2× — 60 minutowy transkrypt podcastu w ciągu 3–12 minut. Modele premium często kończy się szybciej. Użyj przycisku kolejki, aby zamknąć zakładkę.