Transskriber med SenseVoice
5.5%
WER
50
Sprog
50.0x
Hastighed
MIT
Licens
Om SenseVoice
SenseVoice er en tale fundament model fra FunAudioLLM, der går ud over transskription. Det understøtter 50 + sprog og omfatter kapaciteter til emotion anerkendelse, audio event detektion, og omvendt tekst normalisering i en enkelt model.
Modelinformation
- LeverandørFunAudioLLM
- Arkitektur-
- LicensMIT
- OpdateretMar 2026
Ofte stillede spørgsmål
SenseVoice er en tale-til-tekst model af FunAudioLLM. STT.ai værter SenseVoice på vores GPU-infrastruktur, så du kan bruge det uden at give din egen hardware uploade lyd eller video og vælge SenseVoice fra modelvælgeren.
På standard benchmarks, SenseVoice opnår omkring 5.5% Word Error Rate. Real-verden nøjagtighed afhænger af lydkvalitet, accent og sprog; for støjende eller accent optagelser, forventer et par procentpoint højere WER.
SenseVoice kører på STT.ai gratis niveau ! hver besøgende får 600 minutter til at starte uden omkostninger. Betalt planer tilføje længere per-fil grænser, private udskrifter, og prioritet kø.
SenseVoice er udgivet under MIT, en permissiv open source licens. Du kan selvvært SenseVoice på din egen hardware eller bruge vores hosted version! begge er kommercielt brugbare.
SenseVoice understøtter 50 sprog. Auto-detektering vælger det rigtige sprog til de fleste lyd; du kan også angive det manuelt for en lille nøjagtighed elevator.
SenseVoice behandler lyd på omkring 50.0x realtid på vores GPU'er. En 1-timers lydfil slutter på under 1 minutter; længere filer kø og underrette via e-mail, når det er gjort.
SenseVoice har 234M parametre. Større modeller har tendens til at være mere præcise, men langsommere; STT.ai værter SenseVoice på GPU, så parameteren tæller ikke påvirker din klient-side ydeevne.
SenseVoice accepterer hvert format STT.ai understøtter ~ MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, og andre. Output som TXT, SRT, VTT, DOCX, JSON, eller PDF.
Ja. Speaker diarization kører sammen med SenseVoice for hver transskription! hver højttaler er mærket, og du kan omdøbe dem i editoren bagefter.
Ja. SenseVoice kører i vores administrerede miljø ~ lyd behandles og slettes som standard og aldrig bruges til træning uden eksplicit opt-in. Pro planer tilføje klient-side kryptering for udskrifter på hvile.
Brug sammenligning-stt værktøj til at køre SenseVoice mod enhver anden understøttet model på den samme lyd! du vil se WER, segment tæller, højttaler etiketter, og tillid scorer side om side. SenseVoice vs Whisper Stor V3 sammenligning er den mest almindelige køre.
Ja. Angiv "sensevoice" som modelparameter på /v1/transcribe endpoint. Python og node.js SDKs omfatter SenseVoice eksempler. Gratis API-niveau inkluderer 100 minutter/måned.
Ja. Fordi SenseVoice er MIT-licenseret, kan du selv være vært for det. STT.ai open source side viser projektet repo og vægte. De fleste produktionshold bruger vores hosted version til at springe GPU indkøb, model swaps og ops.