SenseVoice
STT.ai tento model neřídí. Tato stránka je referenční informace o něm.
Přepisujte se s modely, které provozujeme →
5.5%
WER
50
Jazyky
50.0x
Rychlost
MIT
Licence
O aplikaci SenseVoice
SenseVoice je model nadace řeči od FunAudioLLM, který přesahuje transkripci. Podporuje 50+ jazyky a obsahuje možnosti pro rozpoznávání emocí, detekci zvukových událostí a inverzní normalizaci textu v jednom modelu.
Jazyky podporované SenseVoice
Vzorové informace
- PoskytovatelFunAudioLLM
- Architektura-
- LicenceMIT
- AktualizovánoMar 2026
Často kladené otázky
SenseVoice je model na textový model FunAudioLLM. STT.ai v současné době nejezdí SenseVoice? Tato stránka je referenční informace o modelu. Pro přepisování na STT.ai, model výběrčí nabízí rodinu Whisper (Turbo, Large V3, Medium, Small).
Na standardních referenčních hodnotách dosahuje SenseVoice přibližně 5.5% Word Error Rate. Skutečná přesnost závisí na kvalitě zvuku, přízvuku a jazyku; u hlučných nebo akcentovaných nahrávek očekáváme o několik procentních bodů vyšší WER.
SenseVoice není k dispozici na STT.ai. Jeho vlastní licenční podmínky řídí, že běží sám. STT.ai je zdarma úroveň pokrývá modely Whisper, které provozujeme 600 minut začít, pak měsíční zdarma dolít.
SenseVoice je uvolněno pod MIT, povolná open-source licence. Můžete self-host SenseVoice na vašem vlastním hardwaru, nebo použít naši hostitelskou verzi dírky oba jsou komerčně použitelné.
SenseVoice podporuje 50 jazyků. Auto-detekce vybírá správný jazyk pro většinu audio; můžete jej také ručně zadat pro malý výtah přesnosti.
SenseVoice zpracovává audio na cca 50.0x v reálném čase na našich GPU. 1-hodinový audio soubor končí za méně než 1 minut; delší fronta souborů a upozornění e-mailem, když je hotovo.
SenseVoice má 234M parametrů. Větší modely mají tendenci být přesnější, ale pomalejší; STT.ai hostů SenseVoice na GPU, takže počet parametrů nemá vliv na výkon na straně klienta.
SenseVoice přijímá každý formát STT.ai podporuje MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI a další. Výstup jako TXT, SRT, VTT, DOCX, JSON, nebo PDF.
Ano. Diarizace reproduktorů vede vedle SenseVoice pro každý přepis a každý reproduktor je označen a můžete je přejmenovat v editoru později.
Ano. SenseVoice běží v našem řízeném prostředí Audio je zpracováno a smazáno ve výchozím nastavení a nikdy se nepoužívá pro trénink bez explicitního opt-inu. Pro plány přidat klient-strana šifrování pro přepisy v klidu.
Pomocí porovná-stt nástroj spustit SenseVoice proti jakémukoliv jinému podporovanému modelu na stejném zvuku, budete vidět WER, počet segmentů, reproduktory štítky, a sebedůvěry skóre vedle sebe. SenseVoice vs Whisper Large V3 srovnání je nejčastějším spuštěním.
Ano. Zadejte "sensevoice" jako parametr modelu na cílovém parametru /v1/transcribe. Python a Node.js SDKs obsahují SenseVoice příklady. Bezplatná úroveň API zahrnuje 100 minut/měsíc.
Ano. Vzhledem k tomu, SenseVoice je MIT-licencován, můžete si ho sami-hostit. STT.ai open-source stránky uvádí projekt repo a váhy. Většina výrobních týmů používá naši hostitelskou verzi přeskočit GPU zadávání zakázek, modelové swapy, a ops.