SenseVoice
STT.ai ne pokreće ovaj model. Ova stranica je referentne informacije o njemu.
Transcrib s modelima koje vodimo →
5.5%
WER
50
Jezici
50.0x
Brzina
MIT
Dozvola
O SenseVoice
SenseVoice je govorni model iz FunaudioLLM koji prelazi transkripciju. Podržava 50+ jezika i uključuje sposobnosti za prepoznavanje emocija, otkrivanje audio događaja i inverznu normalizaciju teksta u jednom modelu.
Jezici koje podržava SenseVoice
_Potraži
- PonuđačFunAudioLLM
- Arhitektura-
- DozvolaMIT
- AžuriranoMar 2026
Česta pitanja
SenseVoice je model govora-na-teksta od FunAudioLLM. STT.ai trenutno ne radi SenseVoice – ova stranica je referentne informacije o modelu. Za transkripciju na STT.ai, model birač nudi Whisper obitelji (Turbo, Veliki V3, Srednji, Mali).
Na standardnim mjerilima, SenseVoice postiže oko 5.5% Word Pogreška. Preciznost stvarnog svijeta ovisi o kvaliteti zvuka, naglasku i jeziku; za bučne ili naglasene snimke, očekujte nekoliko postotka više WER.
SenseVoice nije dostupan na STT.ai. Njezina vlastita dozvola uvjeti upravljaju ga sami. STT.ai je besplatni niz pokriva Whisper modele koje radimo – 600 minuta za početak, a zatim mjesečni besplatni top-up.
SenseVoice je pušten pod MIT, popustljiva dozvola otvorenog izvora. Možete samostalno voditi SenseVoice na vlastitom hardveru ili koristiti našu domaću verziju – oboje su komercijalno upotrebljivi.
SenseVoice podržava 50 jezika. Auto-detekcija bira pravi jezik za većinu zvuka; možete ga također ručno navesti za mali preciznost lift.
SenseVoice procesa zvuka na oko 50.0x real-time na našem GPU-u. Jedan sat audio datoteka završava u manje od 8802 minuta; duže datoteke redak i obavijestite e-mailom kada se uradi.
SenseVoice ima 8802 parametra. Veći modeli su točniji, ali sporije; STT.ai domaćina SenseVoice na GPU tako da broj parametara ne utječe na performanse vašeg klijenta.
SenseVoice prihvaća svaki oblik STT.ai podrške — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI i ostali. Izlaz kao TXT, SRT, VTT, DOCX, JSON, ili PDF.
Da. Zvučnička dijarizacija teče uz SenseVoice za svaku transkripciju — svaki govornik je označen i možete ih nakon toga preimenovati u uredniku.
Da. SenseVoice trči u našem upravljanom okruženju – audio se obrađuje i briše uobičajeno i nikada se ne koristi za trening bez eksplicitne opt-in. Pro planovi dodati klijent-strana enkripcija za transkripte u miru.
Koristite alat usporedbe-stt za pokretanje SenseVoice protiv bilo kojeg drugog podržanog modela na istom zvuku – vidjet ćete WER, broj segmenta, zvučnike, i samopouzdanje rezultate strane-ba-side. SenseVoice protiv Whisper Veliki V3 usporedba je najčešće pokrenuti.
Da. Navedite "sensevoice" kao parametar modela na /v1/transcribe ishodu. Python i Node.js SDKs uključuju SenseVoice primjera. Besplatni API stupanj uključuje 100 minuta/mjesec.
Da. Budući da je SenseVoice je 8802-licensirana, možete ga samostalno voditi. STT.ai stranica otvorenog izvora popisuje repo i utege projekta. Većina proizvodnih timova koristi našu domaćinu za preskočenje GPU nabave, modela swaps, i ops.