Modelos de IA
Escolla o seu motor de transcrición — Compare a precisión, velocidade e soporte de linguaxe entre os principais modelos de recoñecemento de voz.
Como escoller o modelo correcto
Diferentes modelos de transcrición sobresaen en diferentes áreas. Empregue esta guía para escoller o mellor modelo para as súas necesidades.
| Modelo | WER | Velocidade | Linguas | Mellor para |
|---|---|---|---|---|
| STT.ai Enhanced | 3.2% | 160.0x | 100 | O modelo de voz a texto máis destacado do STT.ai, … |
| Whisper Large V3 | 4.2% | 8.0x | 99 | O modelo Whisper máis grande e preciso de OpenAI. Excelente … |
| Whisper Turbo | 5.1% | 32.0x | 99 | A variante Whisper de OpenAI optimizada para a velocidade. 4 … |
| NVIDIA Canary | 3.5% | 45.0x | 4 | O modelo ASR multitarefa de NVIDIA con precisión de nivel … |
| Moonshine | 7.8% | 80.0x | 1 | Modelo ASR ultraligeiro deseñado para dispositivos periféricos. Execútase en Raspberry … |
| NVIDIA Parakeet | 3.0% | 55.0x | 1 | O modelo ASR inglés baseado en CTC de NVIDIA. Un … |
| SenseVoice | 5.5% | 50.0x | 50 | Modelo de comprensión da fala multilingüe con recoñecemento de emocións … |
| Distil-Whisper | 5.8% | 48.0x | 99 | Versión destilada de Whisper Large V3. 6x máis rápido cun … |
| Vosk | 12.0% | 100.0x | 20 | Recoñecemento de voz lixeiro e sen conexión. Funciona sen Internet, … |
Que é WER (taxa de erro de palabra)?
A taxa de erro de palabra (WER) é a métrica estándar para medir a precisión do recoñecemento de voz. Calcula a porcentaxe de palabras nunha transcrición que difiren da referencia. Unha WER do 5% significa que aproximadamente 5 de cada 100 palabras conteñen un erro. Canto menor, mellor.
Os transcriptores humanos profesionais normalmente acadan un WER do 4- 5%. Os mellores modelos de IA agora igualan ou se aproximan á precisión de nivel humano en son limpo.
Non está seguro de que modelo empregar?
Probe o noso predeterminado: Whisper Large V3 Turbo ofrece o mellor equilibrio entre velocidade e precisión. É gratuíto comezar, non se require rexistro.
Comezar a transcrición libre