Distil-Whisper
STT.ai no ejecuta este modelo. Esta página es información de referencia sobre él.
Transcribir con los modelos que ejecutamos →
5.8%
WER
99
Idiomas
48.0x
Velocidad
MIT
Licencia
Acerca de Distil-Whisper
Distil-Whisper es una versión destilada de Whisper creada por Hugging Face. Reduce el tamaño del modelo en un 49% y logra una inferencia 6x más rápida manteniendo dentro del 1% WER de los conjuntos de evaluación originales Whisper Large V2 en fuera de distribución.
Información del modelo
- ProveedorHugging Face
- Arquitectura-
- LicenciaMIT
- ActualizadoMar 2026
Preguntas frecuentes
Distil-Whisper es un modelo de habla a texto de Hugging Face. STT.ai no funciona actualmente Distil-Whisper — esta página es información de referencia sobre el modelo. Para la transcripción en STT.ai, el modelo de selector ofrece la familia Whisper (Turbo, Large V3, Medium, Small).
En puntos de referencia estándar, Distil-Whisper alcanza alrededor de 5.8% tasa de error de Word. La precisión en el mundo real depende de la calidad de audio, el acento y el lenguaje; para grabaciones ruidosas o acentuadas, espere unos puntos porcentuales más alto WER.
Distil-Whisper no está disponible en STT.ai. Sus propios términos de licencia rigen su funcionamiento. STT.ai de nivel libre cubre los modelos Whisper que corremos — 600 minutos para comenzar, luego una recarga mensual gratuita.
Distil-Whisper es lanzado bajo MIT, una licencia de código abierto permisiva. Usted puede auto-anfitriona Distil-Whisper en su propio hardware o utilizar nuestra versión alojada — ambos son comercialmente utilizables.
Distil-Whisper admite 99 idiomas. La detección automática selecciona el idioma adecuado para la mayoría de audio; también puede especificarlo manualmente para un pequeño ascensor de precisión.
Distil-Whisper procesa audio en aproximadamente 48.0x en tiempo real en nuestras GPUs. Un archivo de audio de 1 hora termina en menos de 1 minutos; los archivos más largos cola y notificar por correo electrónico cuando se hace.
Distil-Whisper tiene parámetros 756M. Los modelos más grandes tienden a ser más precisos pero más lentos; STT.ai aloja Distil-Whisper en GPU para que el recuento de parámetros no afecte el rendimiento de su cliente.
Distil-Whisper acepta todos los soportes de formato STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, y otros. Salida como TXT, SRT, VTT, DOCX, JSON o PDF.
Sí. Diarización del altavoz corre junto a Distil-Whisper para cada transcripción - cada altavoz está etiquetado y se puede cambiar el nombre en el editor después.
Sí. Distil-Whisper se ejecuta en nuestro entorno gestionado — audio se procesa y elimina por defecto y nunca se utiliza para el entrenamiento sin opt-in explícito. Planes Pro añadir cifrado del lado del cliente para transcripciones en reposo.
Utilice la herramienta compare-stt para ejecutar Distil-Whisper contra cualquier otro modelo soportado en el mismo audio: verá WER, conteo de segmentos, etiquetas de altavoz y puntuaciones de confianza lado a lado. La comparación Distil-Whisper vs Whisper Large V3 es la más común.
Sí. Especifique "distil-whisper" como parámetro de modelo en el endpoint /v1/transcribir. Los SDKs de Python y Node.js incluyen Distil-Whisper ejemplos. El nivel de API libre incluye 100 minutos/mes.
Sí. Debido a que Distil-Whisper es licenciada MIT, usted puede auto-anfitrionarlo. STT.ai's página de código abierto lista la repo proyecto y pesos. La mayoría de los equipos de producción utilizan nuestra versión alojada para saltarse la adquisición de GPU, modelos swaps, y ops.