Trascrivi con Distil-Whisper
5.8%
WER
99
Languages
48.0x
Speed
MIT
License
Informazioni su Distil-Whisper
Distil-Whisper is a distilled version of Whisper created by Hugging Face. It reduces the model size by 49% and achieves 6x faster inference while maintaining within 1% WER of the original Whisper Large V2 on out-of-distribution evaluation sets.
Model Info
- ProviderHugging Face
- Architecture-
- LicenseMIT
- UpdatedMar 2026
Domande frequenti
Distil-Whisper è un modello speech-to-text di Hugging Face. STT.ai ospita Distil-Whisper sulla nostra infrastruttura GPU in modo da poterlo utilizzare senza fornire il proprio hardware Hoppenstedt caricare audio o video e scegliere Distil-Whisper dal picker modello.
Sui benchmark standard, Distil-Whisper raggiunge circa 5.8% Word Error Rate. L'accuratezza del mondo reale dipende dalla qualità audio, dall'accento e dal linguaggio; per le registrazioni rumorose o accentuate, aspettatevi qualche punto percentuale più alto WER.
Distil-Whisper funziona su STT.ai di livello libero ogni visitatore ottiene 600 minuti al mese senza alcun costo. piani a pagamento aggiungere limiti più lunghi per file, trascrizioni private, e la coda di priorità.
Distil-Whisper è rilasciato sotto MIT, una licenza open-source permissiva. È possibile auto-host Distil-Whisper sul proprio hardware o utilizzare la nostra versione hosted entrambi sono commercialmente utilizzabili.
Distil-Whisper supporta 99 lingue. Rilevamento automatico sceglie la lingua giusta per la maggior parte dell'audio; è anche possibile specificarlo manualmente per un piccolo sollevamento di precisione.
Distil-Whisper elabora audio a circa 48.0x in tempo reale sulle nostre GPU. Un file audio di 1 ora termina in meno di 1 minuti; file più lunghi coda e notifica per e-mail quando fatto.
Distil-Whisper ha 756M parametri. I modelli più grandi tendono ad essere più precisi ma più lenti; STT.ai host Distil-Whisper su GPU in modo che il conteggio dei parametri non influisca sulle prestazioni lato client.
Distil-Whisper accetta ogni formato STT.ai supporta © MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, e altri. Uscita come TXT, SRT, VTT, DOCX, JSON, o PDF.
Sì. La diarizzazione degli altoparlanti corre accanto a Distil-Whisper per ogni trascrizione ogni altoparlante è etichettato e si può rinominare in seguito nell'editor.
Sì. Distil-Whisper è eseguito nel nostro ambiente gestito L'audio è elaborato e cancellato per impostazione predefinita e mai utilizzato per l'allenamento senza esplicito opt-in. Piani Pro aggiungere la crittografia lato client per le trascrizioni a riposo.
Utilizzare lo strumento di confronto-stt per eseguire Distil-Whisper contro qualsiasi altro modello supportato sullo stesso audio. Vedrete WER, conteggio dei segmenti, etichette degli altoparlanti e punteggi di confidenza fianco a fianco. Il confronto Distil-Whisper vs Whisper Large V3 è il più comunemente eseguito.
Sì. Specificare "distil-whisper" come parametro del modello sull'endpoint /v1/transcribe. Gli SDK Python e Node.js includono Distil-Whisper esempi. Il livello API gratuito include 100 minuti/mese.
Sì. Poiché Distil-Whisper è MIT-licensed, si può auto-ospitare esso. STT.ai pagina open-source elenca il progetto repo e pesi. La maggior parte dei team di produzione utilizzano la nostra versione ospitata per saltare GPU approvvigionamento, modelli di swap, e op.