Wizper (Whisper v3)
Free.ai
·
stt
·
~500 Koffice FilterName minute
Wizper (Whisper v3) is a spraak- to- text model. Na gelang van eksterne modelle 0°) ~{tm} Profetsper minuut (50% merk bo stroomop se koste).
Gebruik via API
OpenAI- versoenbaar met REST API. Genereer 'n sleutel en noem hierdie model in sekondes.
curl -X POST https://api.free.ai/v1/stt/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"premium/wizper","audio_url":"https://..."}'Vrae wat dikwels gevra word
Wizper (Whisper v3) trangeskryfte oudio in teks. Oplaai 'n MP3, WAV, M4A, of videolêer en Wizper (Whisper v3) gee terug die volledige transkripsie plus opsionele SRT/VT onderregte met tyetampe.
Wizper (Whisper v3) handles dozens of languages — Whisper-family models cover 90+, Parakeet covers ~25, others vary. Pick "auto-detect" or specify the language for highest accuracy.
Word-error rate is 5–10% on clean English audio, 10–20% on noisy or accented audio. Large variants of the same architecture do meaningfully better on hard cases — pick larger when the audio is rough.
Ja ☞ elke segment sluit in begin/end tyetampe. Voer uit as SRT of VTT en die kere kaart reguit op jou video.
Wizper (Whisper v3) is 'n premsionele transkripsie-enjin. Ongeveer ~500Name
MP3, WAV, M4A, FLAC, OG, plus video (MP4, MOV, WebM) ons onttrek die oudio. Max 500 mb per oplaai. langer lêers? Skei met /audio/cut/ of gebruik /v1/st/bat/.
Luidspreker diarisering is 'n aparte herhaling ą skakel "diariseer" op /trantint /. Wizper (Whisper v3) hanteer die transkripsie; diarisering etikette elke deel met Luidder 1 / Speaker 2 / etc.
Ja verblyd /bat/ aanvaar 'n gids van oudio lêers. Elke transkripsie lande in /accote/?tab=historie met die oorspronklike lêernaam. Vir kabinet- boom bewaar gebruik die API.
Ja KLAS POST jou oudio na /v1/strat/trant/ met model="Wizper (Whisper v3)". Gee terug JSON met teks + segmente + woord-vlak maaltampe. /api/ het die volledige verwysing.
Self-gehostde modelle hou klank op ons GPUs; premasie gaan deur met 'n DPA. Audio word uitgevee na die deel-venster (24h anon, 7d getekende-in). Ons oefen nie op jou invoers nie.
Yes — Free.ai grants commercial use of transcripts. You need rights to the audio you uploaded (your own recording, licensed material, or content with consent).
Real-time factor is roughly 0.05–0.2× — a 60-minute podcast transcribes in 3–12 minutes. Premium models often finish faster. Use the queue button to close the tab.