Տեղադրել SenseVoice
5.5%
WER
50
Լեզուներ
50.0x
արագություն
MIT
Լիցենզիա
Ցուցադրել SenseVoice
SenseVoice- ը FunAudioLLM- ի խոսքի հիմքի մոդելն է, որը դուրս է գալիս թարգմանությունից։ Այն աջակցում է 50+ լեզուների և ներառում է զգացմունքների ճանաչման, ձայնային իրադարձությունների հայտնաբերման և հակառակ տեքստի նորմալացման հնարավորություններ մեկ մոդելում։
Ցուցադրում SenseVoice
Տեղեկություն մոդելի մասին
- ԾառայողFunAudioLLM
- Արխիվ-
- ԼիցենզիաMIT
- ՎերափոխելMar 2026
Հաճախակի տրվող հարցեր
SenseVoice-ը FunAudioLLM-ի խոսքից տեքստ վերածելու մոդելն է։ STT.ai-ը SenseVoice-ը պահում է մեր GPU-ի ինֆրակառուցվածքում, այնպես որ դուք կարող եք օգտագործել այն առանց ձեր սեփական սարքավորումների՝ ներբեռնելով ձայն կամ տեսանյութ և ընտրելով SenseVoice-ը մոդելի ընտրողից։
Ստանդարտական չափանիշների վրա SenseVoice-ը հասնում է մոտ 5.5% Word Error Rate-ի։ Ռեալ աշխարհում ճշգրտությունը կախված է ձայնի որակից, ակցենտից և լեզվից։ Խոսքային կամ ակցենտով գրանցումների դեպքում սպասեք մի քանի տոկոսային կետ ավելի բարձր WER-ի։
SenseVoice-ը աշխատում է STT.ai-ի անվճար մակարդակով՝ յուրաքանչյուր այցելու ստանում է 600 րոպե սկզբնական անվճար օգտագործման համար։ Պետք է վճարել յուրաքանչյուր ֆայլի համար ավելացված երկար արգելքների, մասնավոր տեքստների և առաջնահերթության հերթի համար։
SenseVoice-ը թողարկվել է MIT թույլատրելի բաց կոդով լիցենզիայով։ Դուք կարող եք SenseVoice-ը տեղադրել ձեր սեփական սարքավորումների վրա կամ օգտագործել մեր տեղադրված տարբերակը՝ երկուսն էլ առևտրային նպատակներով օգտագործելի են։
SenseVoice-ը աջակցում է 50 լեզուներին։ Ավտոմատ հայտնաբերումը ընտրում է ճիշտ լեզուն ձայնային տվյալների մեծամասնության համար։ Դուք կարող եք նաև ձեռքով նշել այն՝ ճշգրտության փոքրիկ բարձրացման համար։
SenseVoice-ը ձայնը 50.0x արագությամբ է պրոցեսավորում մեր GPU-ների վրա։ 1 ժամ տևողությամբ ձայնային ֆայլը ավարտվել է 1 րոպեում։ Ավելի երկար ֆայլերը թողնվում են հերթի մեջ և ավարտվելուց հետո տեղեկացնում են էլեկտրոնային փոստով։
SenseVoice-ը ունի 234M պարամետրեր։ Մեծ մոդելները ավելի ճշգրիտ են, բայց դանդաղ են։ STT.ai-ը SenseVoice-ը պահում է GPU-ում, այնպես որ պարամետրերի քանակը չի ազդում ձեր կրեատիվ արագության վրա։
SenseVoice-ը ընդունում է STT.ai-ի աջակցած բոլոր ֆորմատները՝ MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI և այլն։ Էքստրյուդը TXT, SRT, VTT, DOCX, JSON կամ PDF է։
Այո, յուրաքանչյուր փոխառության համար SenseVoice-ի հետ միասին աշխատում է ձայնագրիչի օրացույցը, յուրաքանչյուր ձայնագրիչ ունի պիտակ, և դուք կարող եք վերանվանել դրանք խմբագրիչում հետո։
Այո։ SenseVoice-ը աշխատում է մեր կառավարվող միջավայրում — լսվող ձայնը վերամշակվում և ոչնչացվում է լռելյայն և երբեք չի օգտագործվում ուսուցման համար առանց ակնհայտ համաձայնության։ Pro պլանները ավելացնում են հաճախորդի կողմից գաղտնագրում հանգիստ վիճակում գտնվող ձայնագրությունների համար։
SenseVoice-ը նույն ձայնային համակարգի վրա ցանկացած այլ աջակցվող մոդելի հետ համեմատելու համար օգտագործեք compare-stt գործիքը, որի միջոցով դուք կտեսնեք WER, սեկցիաների քանակը, ձայնագրիչների պիտակներն ու վստահության գնահատականները միմյանց կողքին։ SenseVoice-ի և Whisper Large V3-ի համեմատությունը ամենատարածվածն է։
Այո։ /v1/transcribe վերջնական կետում մոդելի պարամետրի համար նշեք «sensevoice»։ Python և Node.js SDK-ները ներառում են SenseVoice օրինակներ։ Ազատ API-ի մակարդակը ներառում է 100 րոպե/ամսվա ծառայություն։
Այո։ Քանի որ SenseVoice-ը MIT-ի լիցենզիայով է, դուք կարող եք ինքնուրույն ապահովել այն։ STT.ai-ի բաց կոդով էջում ներկայացված է նախագծի ռեպո և քաշը։ Ամենից շատ արտադրական թիմեր օգտագործում են մեր ապահովված տարբերակը՝ GPU-ի ձեռքբերումը, մոդելի փոխանակումը և պրոցեսը բաց թողնելու համար։