faster-whisper large-v3-turbo
Free.ai (self-hosted)
·
stt
·
~500 ชิ้น minute
faster-whisper large-v3-turbo เป็น a โมเดลการแปลงเสียงเป็นข้อความ สร้างโดย OpenAI / SYSTRAN แข็งแกร่งที่สุดที่ Accurate transcription จัดเก็บข้อมูลด้วยตนเองบน Free.ai GPUs — ทำงานฟรีกับสระของโต๊ะประจำวันของคุณ (500 โต๊ะ ต่อนาที) ปล่อยออกมาภายใต้ MIT - การใช้งานในเชิงพาณิชย์อนุญาตบน Free.ai
ใช้ผ่าน API
REST API รองรับ OpenAI สร้างกุญแจและเรียกโมเดลนี้ในไม่กี่วินาที
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://..."}'คำถามที่ถามบ่อย
faster-whisper large-v3-turbo ใช้บันทึกเสียงที่พูดออกมาเป็นข้อความ โหลดแฟ้ม MP3, WAV, M4A หรือวิดีโอ และ faster-whisper large-v3-turbo จะส่งกลับมาเป็นข้อความเต็ม ๆ รวมถึงตัวเลือกของคำอธิบาย SRT/ VTT ด้วยเวลาที่ระบุไว้
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.
อัตราความผิดพลาดของคำคือ 5- 10% สำหรับเสียงอังกฤษที่สะอาด, 10- 20% สำหรับเสียงที่รบกวนหรือมีเสียงอ่อน ตัวแปรขนาดใหญ่ของสถาปัตยกรรมเดียวกันทำได้ดีกว่าในกรณีที่ยาก - เลือกขนาดใหญ่กว่าเมื่อเสียงไม่ค่อยดี
ใช่ - ทุกส่วนมีสแตมป์เวลาเริ่ม/ ปิดไว้ นำออกเป็นรูปแบบ SRT หรือ VTT และเวลาจะถูกแปลงไปยังวิดีโอของคุณโดยตรง
faster-whisper large-v3-turbo ทำงานบน GPU ของพวกเราเอง ต่อสู้กับสระฟรีของคุณในแต่ละวันก่อน หลังจากนั้น $5 → 200,000 โต๊กเก็ตที่จ่ายแล้ว ประมาณ ~500 โต๊กเก็ตต่อนาที
MP3, WAV, M4A, FLAC, OGG, รวมถึงวิดีโอ (MP4, MOV, WebM) - เราจะดึงเสียงออกมา สูงสุด 500 MB ต่อการอัพโหลด แฟ้มยาวกว่านี้? แยกด้วย /audio/cut/ หรือใช้ /v1/stt/batch/
การแปลภาษาเป็นภาษาอังกฤษเป็นเรื่องที่แยกกัน - เปลี่ยน "diarize" ใน / transcribe / faster-whisper large-v3-turbo จัดการการแปลภาษา; การแปลภาษาจะระบุทุกส่วนด้วย ภาษา 1 / ภาษา2/ ฯลฯ
ใช่ - / batch / รองรับโฟลเดอร์ของแฟ้มเสียง ทุกๆ ส่วนที่แปลเป็นภาษาต่างๆ จะถูกเก็บไว้ใน / account /? tab=history ด้วยชื่อแฟ้มเดิม สำหรับการเก็บรักษาต้นไม้โฟลเดอร์ ให้ใช้ API
ใช่ - POST เสียงของคุณไปยัง /v1/stt/transcribe/ ด้วย model="faster-whisper large-v3-turbo" คืนค่า JSON ด้วยข้อความ + ส่วน + ตราเวลาระดับคำ /api/ มีคำอ้างอิงเต็ม
โมเดลที่ใช้ตัวเครื่องเองจะเก็บเสียงไว้บน GPU ของเรา; โมเดลพิเศษจะส่งผ่านผ่าน DPA เสียงจะถูกลบหลังจากที่เปิดหน้าต่างแบ่งปัน (24 ชั่วโมงโดยไม่ระบุชื่อ, 7วันเข้าใช้งาน) เราจะไม่ฝึกการเข้าถึงข้อมูลของคุณ
ใช่ - Free.ai อนุมัติให้ใช้ข้อมูลในเชิงพาณิชย์ คุณต้องมีสิทธิ์ในการใช้งานเสียงที่คุณอัปโหลด (การบันทึกของคุณเอง, เนื้อหาที่ได้รับอนุญาต หรือเนื้อหาที่ได้รับอนุญาต)
ค่าเวลาจริงประมาณ 0.05-0.2x - พอดคาสต์ 60 นาที ถูกบันทึกในเวลา 3-12 นาที รุ่นพิเศษจะทำงานเร็วกว่า ใช้ปุ่มคิวเพื่อปิดแท็บ