Перапісаць з SenseVoice
5.5%
WER
50
Мовы
50.0x
Хуткасць
MIT
Ліцэнзія
Пра SenseVoice
SenseVoice - гэта мадэль маўлення FunAudioLLM, якая выходзіць за рамкі транскрыпцыі. Яна падтрымлівае больш за 50 моў і ўключае ў сябе магчымасці для распазнавання эмоцый, выяўлення гукавых падзеяў і зваротнай нармалізацыі тэксту ў адным модулі.
Мовы, якія падтрымліваюцца SenseVoice
Звесткі пра мадэль
- ПастаўшчыкFunAudioLLM
- Архітэктура-
- ЛіцэнзіяMIT
- АбнавіцьMar 2026
Часта задаваемыя пытанні
SenseVoice - гэта мадэль пераўтварэння мовы ў тэкст ад FunAudioLLM. STT.ai размяшчае SenseVoice на нашай інфраструктуры GPU, таму вы можаце выкарыстоўваць яго без стварэння свайго апаратнага забеспячэння - загрузіце аўдыё або відэа і выберыце SenseVoice з выбару мадэлі.
На стандартных тэставанні, SenseVoice дасягае каля 5.5% Word Error Rate. Рэальная дакладнасць залежыць ад якасці гуку, акцэнту і мовы; для шумных або акцэнтаваных запісаў чакайце на некалькі працэнтных пунктаў вышэй WER.
SenseVoice працуе на бясплатным узроўні STT.ai - кожны наведвальнік атрымлівае 600 хвілін, каб пачаць без платы. Плацежныя планы дадаюць большыя абмежаванні на файл, прыватныя транскрыпты і прыярытэтныя чаргі.
SenseVoice выпушчаны пад ліцэнзіяй MIT, дазваляе адкрыты код. Вы можаце самастойна ўсталяваць SenseVoice на вашым камп' ютары або выкарыстоўваць нашу версію - абодва могуць быць выкарыстаны ў камерцыйных мэтах.
SenseVoice падтрымлівае 50 моў. Аўтаматычнае выяўленне выбірае правільную мову для большасці гукаў; вы таксама можаце вызначыць яе ўручную для невялікага павышэння дакладнасці.
SenseVoice апрацоўвае аўдыё з хуткасцю 50.0x у рэальным часе на нашых GPU. 1- гадзінны аўдыё файл скончыцца менш чым за 1 хвіліны; даўжэйшыя файлы будуць адпраўляцца ў чаргу і абвяшчаць па электроннай пошце, калі яны будуць завершаны.
SenseVoice мае параметры 234M. Большыя мадэлі больш дакладныя, але павольнейшыя; STT.ai мае SenseVoice на GPU, таму колькасць параметраў не ўплывае на хуткасць працы кліента.
SenseVoice прымае ўсе фарматы, якія падтрымлівае STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI і іншыя. Вывад у фармаце TXT, SRT, VTT, DOCX, JSON або PDF.
Так. Дыярызацыя гукавых файлаў працуе разам з SenseVoice для кожнай транскрыпцыі - кожны гукавы файл мае этыкетку, і вы можаце змяніць яго назву ў рэдактара пасля.
Так. SenseVoice працуе ў нашым кіруемым асяроддзі - гук апрацоўваецца і выдаляецца па змаўчанні і ніколі не выкарыстоўваецца для трэніровак без выразнага дазволу. Планы Pro дадаюць шыфраванне з боку кліента для транскрыптаў у спакоі.
Выкарыстоўвайце інструмент compare-stt, каб правесці параўнанне SenseVoice з любым іншым падтрымліваемым мадэллю на тым жа аўдыё - вы ўбачыце WER, колькасць сегментаў, этыкеткі дынамікаў і рэйтынгі даверу бок аб бок. Параўнанне SenseVoice супраць Whisper Large V3 - гэта найбольш частае параўнанне.
Так. Вызначце "sensevoice" як параметр мадэлі ў канечнай кропцы /v1/transcribe. Python і Node.js SDK ўключаюць прыклады SenseVoice. Бясплатны ўзровень API ўключае 100 хвілін / месяц.
Так. Паколькі SenseVoice мае ліцэнзію MIT, вы можаце самастойна яго ўсталяваць. На старонцы адкрытага кода STT.ai паказаны рэпазітары і вагі праекту. Большасць каманд выкарыстаюць нашу ўсталяваную версію, каб прапусціць закупку GPU, абмен мадэлямі і аперацыі.