Transcribe with Distil-Whisper
5.8%
WER
99
Languages
48.0x
Speed
MIT
License
About Distil-Whisper
Model Info
- ProviderHugging Face
- Architecture-
- LicenseMIT
- UpdatedMar 2026
Mga Madalas Itanong
STT.ai hosts Distil-Whisper sa aming GPU imprastraktura kaya maaari mong gamitin ito nang walang pagbibigay ng iyong sariling hardware — mag-upload ng audio o video at pumili Distil-Whisper mula sa modelo picker.
> Sa mga pamantayan benchmarks, Distil-Whisper ay nakamit sa paligid ng 5.8% Word Error Rate. Real-world katumpakan ay depende sa kalidad ng audio, accent, at wika; para sa noisy o accented recordings, asahan ng ilang porsyento puntos mas mataas na WER.
Distil-Whisper ay tumatakbo sa STT.ai ng libreng antas - bawat bisita ay makakakuha ng 600 minuto / buwan nang walang gastos. Paid plano magdagdag ng mas mahabang bawat-file na limitasyon, pribadong transcripts, at prayoridad queueing.
Distil-Whisper ay inilabas sa ilalim ng MIT, isang permissive open-source na lisensya. Maaari mong self-host Distil-Whisper sa iyong sariling hardware o gamitin ang aming hosted na bersyon - parehong commercially magagamit.
> Distil-Whisper sumusuporta sa 99 wika. Auto-detection picks ang tamang wika para sa karamihan ng audio; maaari mo ring tukuyin ito nang manu-mano para sa isang maliit na katumpakan lift.
> Distil-Whisper proseso audio sa tungkol sa 48.0x real-time sa aming GPUs. Ang isang 1-oras na audio file ay nagtatapos sa ilalim ng 1 minuto; mas mahabang file queue at mag-notify sa pamamagitan ng email kapag tapos na.
Distil-Whisper ay may 756M parameter. Mas malaki modelo ay may posibilidad na maging mas tumpak ngunit mas mabagal; STT.ai host Distil-Whisper sa GPU kaya ang bilang ng parameter ay hindi nakakaapekto sa iyong client-side pagganap.
Ang mga format na suportado ng STT.ai ay MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, at iba pa. Ang output ay TXT, SRT, VTT, DOCX, JSON, o PDF.
> Oo. Speaker diarization tumatakbo kasama Distil-Whisper para sa bawat transcription — bawat speaker ay may label at maaari mong palitan ang pangalan ng mga ito sa editor pagkatapos.
Distil-Whisper tumatakbo sa aming pinamamahalaang kapaligiran – audio ay pinoproseso at tinanggal sa pamamagitan ng default at hindi kailanman ginagamit para sa pagsasanay nang walang malinaw na opt-in. Pro plano magdagdag ng client-side encryption para sa transcripts sa pahinga.
> Gamitin ang i-compare-stt tool upang patakbuhin ang Distil-Whisper laban sa anumang iba pang mga suportadong modelo sa parehong audio - makikita mo WER, segment count, speaker label, at kumpiyansa score side-by-side. Ang Distil-Whisper vs Whisper Large V3 paghahambing ay ang pinaka-karaniwang tumakbo.
> Oo. tukuyin ang "distil-whisper" bilang ang modelo parameter sa / v1 / transcribe endpoint. Python at Node.js SDKs isama Distil-Whisper halimbawa. Libreng API tier kasama ang 100 minuto / buwan.
> Oo. Dahil Distil-Whisper ay MIT-licensed, maaari mong self-host ito. STT.ai's open-source page listahan ng proyekto repo at timbang. Karamihan sa mga koponan ng produksyon gamitin ang aming hosted na bersyon upang i-skip GPU procurement, modelo swaps, at ops.