మోడల్	WER	వేగము	భాషలుName	కోసం ఉత్తమ
STT.ai Enhanced	3.2%	160.0x	100	STT.ai యొక్క పిగ్మీల నృత్య-భాషా మోడల్ ఉత్తమ-ఇన్ క్లాస్ ఖచ్చితత మరియు వేగంతో …
Whisper Large V3	4.2%	8.0x	99	ఓపెన్ AI యొక్క అతిపెద్ద మరియు అత్యంత ఖచ్చితమైన Wisper మోడల్. అద్భుతమైన …
Whisper Turbo	5.1%	32.0x	99	ఓపెన్ AI యొక్క వేగవంతమైన wispper voper. పెద్ద V3 కంటే వేగం. …
NVIDIA Canary	3.5%	45.0x	4	NVIDIA యొక్క బహుళ టాస్టిక్ మోడల్ ASR గార్డు పైన ఆంగ్లంలో ఖచ్చితత్వం …
Moonshine	7.8%	80.0x	1	అంచు పరికరముల కోసం అచేతనము చేయబడిన ఎల్ట్రా- లైట్ మోడల్. రాస్పెర్రీ పి …
NVIDIA Parakeet	3.0%	55.0x	1	NVIDIA యొక్క CTC- ఆధారిత ఇంగ్లీష్ మోడల్. అందుబాటులోని అత్యంత ఖచ్చితమైన ఓటెంట్ …
SenseVoice	5.5%	50.0x	50	భావోద్వేగ గుర్తింపు మరియు ఆడియో ఘటన గుర్తించుటతో మలుచుకొనిన భాషా అవగాహనా మోడల్.
Distil-Whisper	5.8%	48.0x	99	వెర్నర్ పెద్ద w3.3 యొక్క డిస్టాప్ వెర్షన్ డైవిస్పెర్డ్ వెర్షన్. 6x వేగంతో …
Vosk	12.0%	100.0x	20	లైట్ మూలభాషా ఫీలింగ్ గుర్తింపు. ఇంటర్నెట్ లేకుండా పని, గోప్యతా-తెలియని మరియు ఇంటెన్సివ్ …

WER (గ్రీక్ దోషము రేట్) ఏమిటి?

పదకోశం దోషము (WER) నిరూపణ ఖచ్చితతను కొలిచుటకు మెట్రిక్. ఇది వ్యాఖ్యానం నుండి భిన్నంగా ఉన్న ఒక ఇంటెన్సివ్‌మెంట్‌లోని పదాలను అంచనా చేస్తుంది. ప్రతి 100 పదము నందు నిమిషం 5% పదకోశం లో తప్పినది. తక్కువది.

ప్రొఫైల్ మానవ తత్వవేత్తలు సాధారణంగా 4- 5% ఒక WER ను సాధిస్తారు. ఉత్తమ AI మోడల్ ఇప్పుడు శుభ్రంగా ఆడియో లో మానవ- స్థాయి ఖచ్చితత్వాన్ని సమీపించింది లేదా సమీపించింది.

ఏ మోడల్ ఉపయోగించాలో తెలియదా?

మన అప్రమేయంగా ప్రయత్నించండి —⁠ విస్పర్‌ పెద్ద వి3 టుర్బో, వేగంతో, ఖచ్చితత్వంతో కూడిన సమతుల్యాన్ని అందిస్తుంది.

రిప్రెషన్‌ను ప్రారంభించు@ action: inmenu Tools