Beschriftung mit SenseVoice
5.5%
WER
50
Sprachen
50.0x
Geschwindigkeit
MIT
Lizenz
Über SenseVoice
SenseVoice ist ein Sprachstiftungsmodell von FunAudioLLM, das über die Transkription hinausgeht. Es unterstützt mehr als 50 Sprachen und beinhaltet Funktionen zur Emotionserkennung, Audio-Erkennung und inverse Textnormalisierung in einem einzigen Modell.
Sprachen unterstützt von SenseVoice
Modellinformation
- AnbieterFunAudioLLM
- Architektur-
- LizenzMIT
- AktualisiertMar 2026
Häufig gestellte Fragen
SenseVoice ist ein Sprach-zu-Text-Modell von FunAudioLLM. STT.ai Hosts SenseVoice auf unserer GPU-Infrastruktur, so dass Sie es ohne Bereitstellung Ihrer eigenen Hardware nutzen können – laden Sie Audio oder Video hoch und wählen Sie SenseVoice vom Modellpicker.
Auf Standard-Benchmarks erreicht SenseVoice rund 5.5% Word Error Rate. Real-Welt-Genauigkeit hängt von Audio-Qualität, Akzent und Sprache; für laute oder akzentuierte Aufnahmen, erwarten ein paar Prozentpunkte höher WER.
SenseVoice läuft auf STT.ais freier Ebene – jeder Besucher erhält 600 Minuten, um kostenlos zu starten. Bezahlte Pläne fügen längere pro-Datei-Grenzen, private Transkripte und Priorität Warteschlange hinzu.
SenseVoice wird unter MIT veröffentlicht, einer permissiven Open-Source-Lizenz. Sie können SenseVoice auf Ihrer eigenen Hardware selbst hosten oder unsere gehostete Version verwenden – beide sind kommerziell nutzbar.
SenseVoice unterstützt 50 Sprachen. Auto-Erkennung wählt die richtige Sprache für die meisten Audio-; Sie können es auch manuell für einen kleinen Genauigkeitsheber angeben.
SenseVoice verarbeitet Audio bei ca. 50.0x Echtzeit auf unseren GPUs. Eine 1-stündige Audiodatei endet in weniger als 1 Minuten; längere Dateien stehen Schlange und benachrichtigen per E-Mail, wenn getan.
SenseVoice hat 234M Parameter. Größere Modelle neigen dazu, genauer, aber langsamer zu sein; STT.ai Hosts SenseVoice auf GPU, so dass die Parameteranzahl Ihre clientseitige Leistung nicht beeinflusst.
SenseVoice akzeptiert jedes Format STT.ai unterstützt — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI und andere. Ausgabe als TXT, SRT, VTT, DOCX, JSON oder PDF.
Ja. Die Lautsprecherdiarisierung läuft bei jeder Transkription neben SenseVoice – jeder Lautsprecher ist beschriftet und Sie können sie anschließend im Editor umbenennen.
Ja. SenseVoice läuft in unserer verwalteten Umgebung – Audio wird standardmäßig verarbeitet und gelöscht und nie ohne explizites Opt-In zum Training verwendet. Pro-Pläne fügen Client-seitige Verschlüsselung für Transkripte in Ruhe hinzu.
Verwenden Sie das Vergleichs-stt-Tool, um SenseVoice gegen jedes andere unterstützte Modell auf dem gleichen Audio laufen zu lassen – Sie sehen WER, Segmentanzahl, Lautsprecheretiketten und Konfidenzwerte nebeneinander. Der SenseVoice vs Whisper Large V3 Vergleich ist der am häufigsten ausgeführte.
Ja. Geben Sie "sensevoice" als Modellparameter auf dem Endpunkt /v1/transcribe an. Python und Node.js SDKs enthalten SenseVoice Beispiele. Freie API-Ebene enthält 100 Minuten/Monat.
Ja. Da SenseVoice MIT-lizenziert ist, können Sie es selbst hosten. STT.ai Open-Source-Seite listet die Projekt-Repo und Gewichte. Die meisten Produktionsteams verwenden unsere gehostete Version, um GPU Beschaffung, Modell-Swaps und Ops überspringen.