Distil-Whisper
STT.ai pa kouri modèl sa a. Paj sa a se enfòmasyon revizyon sou li.
Transkripte ak modèl nou kouri →
5.8%
WER
99
Lang
48.0x
Vitès
MIT
Lisans
Atik Distil-Whisper
Distil-Whisper se yon vèsyon distilasyon de Whisper kreye pa Hugging Face. li redwi gwosè modèl la pa 49% ak rive 6x infèrans pi vit pandan y ap kenbe nan 1% WER nan Whisper Large V2 orijinal sou out-of-distribution evalyasyon set.
Enfòmasyon sou modèl
- FounisèHugging Face
- Arkitekti-
- LisansMIT
- Mete ajouMar 2026
Kesyon ki poze souvan
Distil-Whisper se yon modèl pale-a-tèks pa Hugging Face. STT.ai pa kouri Distil-Whisper — paj sa a se enfòmasyon referans sou modèl la. Pou transkriptyon sou STT.ai, chwazi modèl la ofri fanmi Whisper (Turbo, Large V3, Medium, Small).
Sou baz tès standard, Distil-Whisper rive nan alantou 5.8% Word Rate Erè. Real-mond egzakteman depann sou bon jan kalite son, accent, ak lang; pou enskri briyan oswa accented, espere kèk pwen pousan pi wo WER.
Distil-Whisper pa disponib sou STT.ai. Li gen pwòp kondisyon lisans li pou l ka kouri l ou menm. Nivo gratis STT.ai a kouvri modèl Whisper nou kouri yo — 600 minit pou kòmanse, epi yon rekiperasyon gratis chak mwa.
Distil-Whisper se yon lojisyèl ki disponib anba lisans MIT, yon lisans ki pèmèt pou itilize lojisyèl ki gen sous louvri. Ou ka itilize Distil-Whisper sou aparèy ou menm oswa ou ka itilize vèsyon nou an ki disponib sou entènèt. Tout de sa ka itilize pou rezon komèsyal.
Distil-Whisper sipòte 99 lang. Deteksyon otomatik chwazi lang ki kòrèk la pou pifò son; ou ka tou endike li pa men pou yon ti kras pi byen.
Distil-Whisper ap trete son an nan yon vitès de 48.0x nan tan reyèl sou GPU nou yo. Yon dosye son 1 èdtan fini nan mwens pase 1 minit. Fichiers ki pi long yo pral mete nan yon liy epi yo pral notifye pa imèl lè yo fin fè.
Distil-Whisper gen 756M paramèt. Pi gwo modèl yo gen tandans pou yo pi egzat men pi lent; STT.ai òganize Distil-Whisper sou GPU pou ke kantite paramèt pa afekte pèfòmans bò kliyan ou a.
Distil-Whisper aksepte chak fòma STT.ai sipòte - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, ak lòt moun.Soti nan kòm TXT, SRT, VTT, DOCX, JSON, oswa PDF.
Diarization pale kouri ansanm ak Distil-Whisper pou chak transkriptyon — chak pale se étiqueté ak ou ka re-nome yo nan editè a apre sa.
Distil-Whisper kouri nan environnement nou an managed — son se trete ak efase pa default ak pa janm itilize pou fòmasyon san opt-an esplicite. Pro plan yo ajoute enkripsyon bò kliyan pou transkript nan repoze.
Itilize zouti konpare-stt pou kouri Distil-Whisper kont nenpòt lòt modèl ki sipòte sou menm son - ou pral wè WER, konte segman, atik pale, ak pwen konfidans bò-a-bò. Distil-Whisper vs Whisper Large V3 konparasyon se pi souvan kouri.
Wi. Espesifik "distil-whisper" kòm paramèt modèl la sou /v1/transcribe pwen an bout. Python ak Node.js SDKs gen ladan Distil-Whisper egzanp. Gratis API nivo gen ladan 100 minit / mwa.
Wi. paske Distil-Whisper se MIT-licensed, ou ka self-host li. STT.ai's open-source page lists the project repo and weights. Pifò ekip pwodiksyon itilize nou an ki estoke vèsyon pou sispann GPU akizisyon, swaps modèl, ak ops.