Distil-Whisper
STT.ai ไม่ได้ทำงานโมเดลนี้ หน้านี้เป็นข้อมูลอ้างอิงเกี่ยวกับมัน
เขียนแบบจำลองที่เราทำ →
5.8%
WER
99
ภาษา
48.0x
ความเร็ว
MIT
ใบอนุญาต
เกี่ยวกับ Distil-Whisper
Distil- Whisper เป็นเวอร์ชั่นที่ถูกดื่มของ Whisper ที่สร้างโดย Hugging Face มันลดขนาดของโมเดลลง 49% และทำให้การสรุปเร็วขึ้น6เท่า ในขณะที่ยังคงอยู่ใน WER 1% ของ Whisper Large V2 ดั้งเดิมบนชุดการประเมินที่ออกจากการจัดจำหน่าย
ข้อมูลรุ่น
- ตัวจัดหาHugging Face
- สถาปัตยกรรม-
- ใบอนุญาตMIT
- ปรับปรุงใหม่Mar 2026
คำถามที่พบบ่อย
Distil-Whisper เป็นโมเดลการแปลงเสียงเป็นข้อความของ Hugging Face STT.ai ไม่ได้ทำงาน Distil-Whisper อยู่ ตอนนี้ - หน้านี้เป็นข้อมูลอ้างอิงเกี่ยวกับโมเดล สำหรับการแปลงเสียงบน STT.ai ตัวเลือกโมเดลจะเสนอครอบครัว Whisper (Turbo, Large V3, Medium, Small)
ตามมาตรฐานการทดสอบ Distil-Whisper สามารถทำได้ราว 5.8% ของอัตราความผิดพลาดของคำ ความแม่นยำในโลกจริงขึ้นอยู่กับคุณภาพเสียง สำเนียง และภาษา สำหรับเสียงรบกวนหรือสำเนียงที่บันทึกไว้ ควรจะคาดหวังให้ WER สูงกว่า WER หลายเปอร์เซ็นต์
Distil-Whisper ไม่ได้มีอยู่ใน STT.ai เงื่อนไขของใบอนุญาตของมันเอง ควบคุมการทำงานของคุณเอง STT.ai ระดับฟรี ปกป้อง Whisper โมเดลที่เราทำงาน - 600 นาทีเพื่อเริ่มต้น จากนั้นเดือนฟรีเติม
Distil-Whisper ถูกปล่อยออกมาภายใต้ MIT ใบอนุญาตโอเพนซอร์สที่อนุญาตให้คุณสามารถใช้ Distil-Whisper บนฮาร์ดแวร์ของคุณเอง หรือใช้เวอร์ชั่นที่เราจัดเตรียมไว้ — ทั้งหมดนี้สามารถใช้ได้ในเชิงพาณิชย์
Distil-Whisper รองรับภาษา 99 ตัวตรวจจับอัตโนมัติจะเลือกภาษาที่ถูกต้องสำหรับเสียงส่วนใหญ่ คุณสามารถกำหนดเองได้ด้วยเพื่อเพิ่มความแม่นยำเล็กน้อย
Distil-Whisper ประมวลผลเสียงด้วยความเร็วประมาณ 48.0x ตามเวลาจริงบน GPU ของเรา แฟ้มเสียง 1 ชั่วโมง จะใช้เวลาไม่ถึง 1 นาที ส่วนแฟ้มที่ยาวกว่าจะถูกจัดเป็นคิวและแจ้งให้ทราบทางอีเมลเมื่อเสร็จสิ้น
Distil-Whisper มีพารามิเตอร์ 756M รุ่นที่ใหญ่กว่าจะมีแนวโน้มที่จะแม่นยำกว่า แต่ช้ากว่า; STT.ai ใช้ Distil-Whisper บน GPU ดังนั้น การนับพารามิเตอร์จะไม่ส่งผลต่อประสิทธิภาพด้านคลาวด์ของคุณ
Distil-Whisper รองรับทุกรูปแบบที่ STT.ai รองรับ — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI และอื่นๆ อีกมากมาย นำออกมาเป็น TXT, SRT, VTT, DOCX, JSON หรือ PDF
ใช่ การจัดเรียงผู้พูด ทำงานร่วมกับ Distil-Whisper สำหรับทุกการแปล ทุกคนที่พูดมีฉลาก และคุณสามารถเปลี่ยนชื่อพวกเขาในเครื่องมือแก้ไข
ใช่ Distil-Whisper ทำงานในสภาพแวดล้อมที่จัดการได้ของเรา - เสียงจะถูกประมวลผลและลบโดยปริยาย และไม่เคยใช้สำหรับการฝึกอบรมโดยไม่ต้องเลือกอย่างชัดเจน แพ็คเกจโปรเพิ่มการเข้ารหัสด้านคลาวด์สำหรับแปลภาษาที่พัก
ใช้เครื่องมือ compare- stt เพื่อประมวลผล Distil-Whisper กับรุ่นอื่นที่รองรับบนเครื่องเสียงเดียวกัน คุณจะเห็น WER, จำนวนเซกเมนต์, แท็กลำโพง และคะแนนความเชื่อมั่น ติดกัน การเปรียบเทียบ Distil-Whisper กับ Whisper Large V3 นั้นเป็นวิธีที่ใช้กันมากที่สุด
ใช่ ระบุ "distil-whisper" เป็นพารามิเตอร์แบบจำลองบนจุดจบ /v1/transcribe Python และ Node.js SDKs รวมถึงตัวอย่าง Distil-Whisper ระดับ API ฟรี รวมถึง 100 นาที/เดือน
ใช่ เพราะ Distil-Whisper ได้รับอนุญาตจาก MIT คุณสามารถโฮสต์มันเองได้ หน้าโอเพนซอร์สของ STT.ai แสดงรายการโครงการและน้ำหนัก ทีมผลิตส่วนใหญ่ใช้เวอร์ชั่นโฮสต์ของเรา ข้ามการซื้อ GPU แบบจำลองสลับและปฏิบัติการ