Distil-Whisper
STT.ai не запускае гэты мадэлі. Гэтая старонка змяшчае дапаможную інфармацыю пра яго.
Прапісаць з мадэлямі, якія мы запускаем →
5.8%
WER
99
Мовы
48.0x
Хуткасць
MIT
Ліцэнзія
Пра Distil-Whisper
Distil- Whisper - гэта дыстыляваны варыянт Whisper, створаны Hugging Face. Ён зменшыў памер мадэлі на 49% і дасягнуў 6x хутчэйшага вываду, захоўваючы ў межах 1% WER арыгінальнага Whisper Large V2 на не- дыстрыбуцыйных наборах ацэнкі.
Мовы, якія падтрымліваюцца Distil-Whisper
Звесткі пра мадэль
- ПастаўшчыкHugging Face
- Архітэктура-
- ЛіцэнзіяMIT
- АбнавіцьMar 2026
Часта задаваемыя пытанні
Distil-Whisper - гэта мадэль пераўтварэння мовы ў тэкст, распрацаваная кампаніяй Hugging Face. STT.ai не працуе з Distil-Whisper - гэтая старонка змяшчае інфармацыю пра мадэль. Для транскрыпцыі на STT.ai, выбіральнік мадэляў прапануе сям' ю Whisper (Turbo, Large V3, Medium, Small).
На стандартных тэставанні, Distil-Whisper дасягае каля 5.8% Word Error Rate. Рэальная дакладнасць залежыць ад якасці гуку, акцэнту і мовы; для шумных або акцэнтаваных запісаў чакайце на некалькі працэнтных пунктаў вышэй WER.
Distil-Whisper не даступны на STT.ai. Яго ўласныя ліцэнзійныя ўмовы рэгулююць яго запуск. Бясплатны ўзровень STT.ai ахоплівае мадэлі Whisper, якія мы запускаем - 600 хвілін для запуску, затым штомесячнае бясплатнае дапаўненне.
Distil-Whisper выпушчаны пад ліцэнзіяй MIT, дазваляе адкрыты код. Вы можаце самастойна ўсталяваць Distil-Whisper на вашым камп' ютары або выкарыстоўваць нашу версію - абодва могуць быць выкарыстаны ў камерцыйных мэтах.
Distil-Whisper падтрымлівае 99 моў. Аўтаматычнае выяўленне выбірае правільную мову для большасці гукаў; вы таксама можаце вызначыць яе ўручную для невялікага павышэння дакладнасці.
Distil-Whisper апрацоўвае аўдыё з хуткасцю 48.0x у рэальным часе на нашых GPU. 1- гадзінны аўдыё файл скончыцца менш чым за 1 хвіліны; даўжэйшыя файлы будуць адпраўляцца ў чаргу і абвяшчаць па электроннай пошце, калі яны будуць завершаны.
Distil-Whisper мае параметры 756M. Большыя мадэлі больш дакладныя, але павольнейшыя; STT.ai мае Distil-Whisper на GPU, таму колькасць параметраў не ўплывае на хуткасць працы кліента.
Distil-Whisper прымае ўсе фарматы, якія падтрымлівае STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI і іншыя. Вывад у фармаце TXT, SRT, VTT, DOCX, JSON або PDF.
Так. Дыярызацыя гукавых файлаў працуе разам з Distil-Whisper для кожнай транскрыпцыі - кожны гукавы файл мае этыкетку, і вы можаце змяніць яго назву ў рэдактара пасля.
Так. Distil-Whisper працуе ў нашым кіруемым асяроддзі - гук апрацоўваецца і выдаляецца па змаўчанні і ніколі не выкарыстоўваецца для трэніровак без выразнага дазволу. Планы Pro дадаюць шыфраванне з боку кліента для транскрыптаў у спакоі.
Выкарыстоўвайце інструмент compare-stt, каб правесці параўнанне Distil-Whisper з любым іншым падтрымліваемым мадэллю на тым жа аўдыё - вы ўбачыце WER, колькасць сегментаў, этыкеткі дынамікаў і рэйтынгі даверу бок аб бок. Параўнанне Distil-Whisper супраць Whisper Large V3 - гэта найбольш частае параўнанне.
Так. Вызначце "distil-whisper" як параметр мадэлі ў канечнай кропцы /v1/transcribe. Python і Node.js SDK ўключаюць прыклады Distil-Whisper. Бясплатны ўзровень API ўключае 100 хвілін / месяц.
Так. Паколькі Distil-Whisper мае ліцэнзію MIT, вы можаце самастойна яго ўсталяваць. На старонцы адкрытага кода STT.ai паказаны рэпазітары і вагі праекту. Большасць каманд выкарыстаюць нашу ўсталяваную версію, каб прапусціць закупку GPU, абмен мадэлямі і аперацыі.