Transcrire avec SenseVoice
5.5%
WER
50
Languages
50.0x
Speed
MIT
License
À propos de SenseVoice
SenseVoice is a speech foundation model from FunAudioLLM that goes beyond transcription. It supports 50+ languages and includes capabilities for emotion recognition, audio event detection, and inverse text normalization in a single model.
Model Info
- ProviderFunAudioLLM
- Architecture-
- LicenseMIT
- UpdatedMar 2026
Questions fréquemment posées
SenseVoice est un modèle speech-to-text par FunAudioLLM. STT.ai héberge SenseVoice sur notre infrastructure GPU afin que vous puissiez l'utiliser sans fournir votre propre matériel — télécharger audio ou vidéo et choisir SenseVoice à partir du modèle de sélection.
Sur les repères standard, SenseVoice atteint environ 5.5% de Word Error Rate. La précision du monde réel dépend de la qualité audio, de l'accent et de la langue; pour les enregistrements bruyants ou accentués, attendez quelques points de pourcentage plus haut WER.
SenseVoice fonctionne sur le niveau gratuit de STT.ai — chaque visiteur obtient 600 minutes/mois sans frais. Les plans payants ajoutent plus de limites par fichier, des transcriptions privées et la file d'attente prioritaire.
SenseVoice est publié sous MIT, une licence open-source permissive. Vous pouvez vous-même héberger SenseVoice sur votre propre matériel ou utiliser notre version hébergée — les deux sont utilisables commercialement.
SenseVoice prend en charge 50 langues. La détection automatique choisit la bonne langue pour la plupart des audio; vous pouvez également le spécifier manuellement pour un petit ascenseur de précision.
SenseVoice traite l'audio à environ 50.0x en temps réel sur nos GPUs. Un fichier audio d'une heure se termine en moins de 1 minutes; des fichiers plus longs font la file d'attente et les avisent par courrier électronique lorsque cela est fait.
SenseVoice a 234M paramètres. Les modèles plus grands ont tendance à être plus précis mais plus lents; STT.ai hôtes SenseVoice sur GPU de sorte que le nombre de paramètres n'affecte pas les performances de votre client.
SenseVoice accepte chaque format STT.ai supports — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, et autres. Sortie comme TXT, SRT, VTT, DOCX, JSON ou PDF.
Oui. La diarisation des haut-parleurs se déroule aux côtés de SenseVoice pour chaque transcription — chaque haut-parleur est étiqueté et vous pouvez les renommer dans l'éditeur par la suite.
Oui. SenseVoice fonctionne dans notre environnement géré — l'audio est traité et supprimé par défaut et jamais utilisé pour la formation sans opt-in explicite.
Utilisez l'outil compare-stt pour exécuter SenseVoice contre n'importe quel autre modèle pris en charge sur le même son — vous verrez WER, le nombre de segments, les étiquettes des haut-parleurs et les scores de confiance côte à côte. La comparaison SenseVoice vs Whisper Large V3 est la plus courante.
Oui. Spécifiez "sensevoice" comme paramètre de modèle sur le paramètre /v1/transcrire. Les SDKs Python et Node.js incluent SenseVoice exemples. Le niveau d'API gratuit comprend 100 minutes/mois.
Oui. Parce que SenseVoice est MIT-licenced, vous pouvez auto-héberger. STT.ai's open-source page liste la prise en charge du projet et les poids. La plupart des équipes de production utilisent notre version hébergée pour sauter l'approvisionnement GPU, les swaps de modèles, et les ops.