Distil-Whisper
STT.ai nedarbina šo modeli. Šī lapa ir atsauces informācija par to.
Atzīmēt ar modeļiem, ko mēs darām →
5.8%
WER
99
Valodas
48.0x
Ātrums
MIT
Licence
Par Distil-Whisper
Distil-Whisper ir destilēta versija Whisper, kas izveidota ar Hugging Face. Tas samazina modeļa lielumu par 49% un sasniedz 6x ātrāku secinājumu, vienlaikus saglabājot 1% WER oriģinālo Whisper Lielo V2 uz ārpusdistribūcijas novērtēšanas komplektiem.
Modelis Info
- PiegādātājsHugging Face
- Arhitektūra-
- LicenceMIT
- AtjaunotsMar 2026
Bieži uzdoti jautājumi
Distil-Whisper ir runas-teksta modelis, ko nosaka Hugging Face. STT.ai šobrīd nedarbojas Distil-Whisper – šajā lapā ir atsauces informācija par modeli. Transkripcijai STT.ai, modelis izvēlētājs piedāvā Whisper ģimene (Turbo, Liels V3, Vidējs, Mazs).
Par standarta etaloniem 8801% sasniedz aptuveni 8801% vārdu kļūdu rādītājs. Reālā pasaules precizitāte ir atkarīga no audio kvalitātes, akcenta un valodas; trokšņainiem vai izceltiem ierakstiem, sagaida dažus procentu punktus augstāka WER.
Distil-Whisper nav pieejams uz STT.ai. Tās pašas licences noteikumi regulē to darbojas pats. STT.ai ir bezmaksas līmenis aptver Whisper modeļiem mēs do – 600 minūtes, lai sāktu, tad ikmēneša bezmaksas papildināšanas.
Distil-Whisper tiek izlaists zem MIT, atļautā atvērtā pirmkoda licence. Jūs varat paša-host Distil-Whisper uz savu aparatūru vai izmantot mūsu hostinga versiju — abi ir komerciāli izmantojami.
Distil-Whisper atbalsta 99 valodas. Auto-noteikšana izvēlas pareizo valodu lielākajai daļai audio; jūs varat arī norādīt to manuāli, lai mazs precizitātes pacēlājs.
Distil-Whisper apstrādā audio apmēram 48.0x reāllaikā mūsu GPU. 1 stundu audio fails beidzas zem 1 minūtēm; ilgāka failu rinda un paziņo pa e-pastu, kad izdarīts.
Distil-Whisper ir 756M parametri. Lielāki modeļi mēdz būt precīzāki, bet lēnāki; STT.ai saimnieki Distil-Whisper par GPU, tāpēc parametru skaits neietekmē jūsu klientu veiktspēju.
Distil-Whisper pieņem katru formātu STT.ai atbalsta - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI un citi. Izlaide kā TXT, SRT, VTT, DOCX, JSON, vai PDF.
Jā. Skaļruņa diarizācija notiek kopā ar Distil-Whisper katram transkripcijam — katrs runātājs ir marķēts un pēc tam to var pārdēvēt redaktorā.
Jā. Distil-Whisper darbojas mūsu pārvaldītajā vidē — audio tiek apstrādāts un dzēsts pēc noklusējuma un nekad netiek izmantots apmācībai bez skaidra opt-in. Pro plāni pievienot klienta pusē šifrēšanu transkriptiem miera stāvoklī.
Izmantojiet salīdzināšanas-stt rīku, lai palaistu Distil-Whisper pret jebkuru citu atbalstīto modeli tajā pašā audio — jūs redzēsiet WER, segmentu skaitu, skaļruņu etiķetes un uzticamības punktus blakus-by-by. Distil-Whisper vs Whisper Lielo V3 salīdzinājums ir visbiežāk palaist.
Jā. Norādīt "distil-whisper" kā modeļa parametru /v1/tractor galapunktā. Python un Node.js SDK ietver Distil-Whisper piemērus. Bezmaksas API līmenis ietver 100 minūtes/mēnesi.
Jā. Tā kā Distil-Whisper ir licences MIT, jūs varat paši-host to. STT.ai atvērtā pirmkoda lapā uzskaitīti projekta repo un svaru. Lielākā daļa ražošanas komandas izmanto mūsu hostinga versiju, lai izlaistu GPU iepirkumu, modeļu mijmaiņas darījumi, un opcijas.