Model
Ing basa Inggris, tembung-tembung kang digunakaké kanggo nyebut tembung-tembung kang ana ing basa liya.
Cara milih model sing bener
Model transkripsi kang béda-béda bisa digunakaké ing wewengkon kang béda. Gunakaké panduan iki kanggo milih model kang paling apik kanggo kabutuhanmu.
| Model | WER | Kecepatan | Basa | Paling apik kanggo |
|---|---|---|---|---|
| STT.ai Enhanced | 3.2% | 160.0x | 100 | Model STT.ai kang paling apik kanggo ngucap-ka-teks kanthi akurasi lan … |
| Whisper Large V3 | 4.2% | 8.0x | 99 | Model Whisper paling gedhé lan paling akurat saka OpenAI. Dukungan … |
| Whisper Turbo | 5.1% | 32.0x | 99 | Tembung-tembung kang digunakaké ing basa Jawa bisa digolongaké dadi4jinis, ya … |
| NVIDIA Canary | 3.5% | 45.0x | 4 | Model ASR multi-task NVIDIA kanthi akurasi tingkat dhuwur ing basa … |
| Moonshine | 7.8% | 80.0x | 1 | Model ASR ultra-lembut kang dirancang kanggo piranti pinggir. Digunakaké ing … |
| NVIDIA Parakeet | 3.0% | 55.0x | 1 | Model ASR basa Inggris NVIDIA kang berbasis CTC. Salah siji … |
| SenseVoice | 5.5% | 50.0x | 50 | Ing basa Inggris, istilah iki bisa dijupuk saka tembung visual, … |
| Distil-Whisper | 5.8% | 48.0x | 99 | Versi distilasi saka Whisper Large V3. 6x luwih cepet karo … |
| Vosk | 12.0% | 100.0x | 20 | Pendhidhikan basa kang gampang ora ana ing jaringan. Digunakaké tanpa … |
Apa iku WER (Word Error Rate)?
Tingkat Kesalahan Kata (WER) iku metrik standar kanggo ngukur akurasi pengenalan basa. Iki ngitung persentase tembung ing transkripsi kang beda karo referensi. Tingkat WER 5% tegesé kira-kira5saka saben 100 tembung duwé kesalahan. Manawa luwih endhek luwih apik.
Ing basa Inggris, tembung "average" iku tegesé rata-rata, lan "average" iku tegesé rata-rata, lan "average" iku tegesé rata-rata.
Ora yakin manawi model ingkang kedah dipunginakaken?
Coba default kita - Whisper Large V3 Turbo nyedhiyani keseimbangan paling apik saka kecepatan lan akurasi. Free kanggo miwiti, ora perlu ndhaptar.
Miwiti transkripsi gratis