faster-whisper large-v3-turbo
Free.ai (self-hosted)
·
stt
·
~500 жетони по minute
faster-whisper large-v3-turbo је a модел говора- у- текст изграђен од OpenAI / SYSTRAN. Strongest at Accurate transcription. Само домаћин на Free.ai ГПУ — ради бесплатно против вашег дневног базена жетона (500 žeтона по минуту). Released under MIT - commercial use permitted on Free.ai.
Користи се преко АПИ‐ а
АПИ сагласан са OpenAI‐ ом. Генеришите кључ и позовите овај модел за секунде.
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://..."}'често постављана питања
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.
Стапка словног-грешке је 5-10% на чистом енглеском аудиоузију, 10-20% на бучном или нагласљеном аудиоузи. Велике варијанте исте архитектуре смишљају боље на тешким случајевима - изаберите веће када је звук груб.
Да - сваки одељак садржи почетке и крајње временска ознака. Извези као СРТ или ВТТ и мапу пута директно на снимак.
Зfaster-whisper large-v3-turbo ради на сопственим ГПУс-овима на првом дневном бесплатном базену; 5 → 200.000 плаћених жетона после тога. Око ~500 жетона у минуту.
МП3, ВАВ, М4А, ФЛАЦ, ОГГ, плус видео (МП4, МОВ, ВебМ) - вадимо аудио. Макс. 500 МБ по слању. Дужи фајлови? Раздвојите са / audio/ cut/ или употребите / v1/stt/ batch /.
Дијаризација звучника је посебан пролаз - укључите и пребаците на /transcribed /. faster-whisper large-v3-turbo на транскрипцију; дијаризационе ознаке сваког одељка са спикером 1 / звучником 2 / itd.
Да - /batch/ прихвата фасциклу аудио фајлова. Сваки транскрипт слеће у / account /?tab=историју са изворним именом фајла. За одржавање фасцикле- дрвета користите АПИ.
Да - ПОСТ на /v1/stt/ transcribed/ са моделом=" faster-whisper large-v3-turbo". Враћа ЈСОН са текстом + сегменти + временски тастери р› ијечи. / api/ има пуну референцу.
Самодомаћински модели држе звук на нашим ГПУ‐ овима; премијум пролази са ДПА. Аудио се обрише након д› ијељења прозора (24х, 7d потписано). Не тренирамо на вашим улаза.
Да - зFree.ai допуњује комерцијалну употребу транскрипта. Потребна су вам права на аудио који сте убацили (вас сопствени снимак, дозволени материјал или садржај са пристанком).
Чинилац у реалном времену је отприлике 0,05–0,2× — 60-минутни транскриптор подемисије за 3‐ 12 минута. Премиум модели често завршавају брже. Користите дугме редоследа да затворите језичак.