Transkripsi dengan SenseVoice
5.5%
WER
50
Languages
50.0x
Speed
MIT
License
Tentang 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
Pertanyaan yang Sering Diajukan
SenseVoice is a speech-to-text model by FunAudioLLM. STT.ai hosts SenseVoice on our GPU infrastructure so you can use it without provisioning your own hardware — upload audio or video and pick SenseVoice from the model picker.
Pada benchmark standar, 880.000 mencapai sekitar 5.5% Word Error Rate. Keakuratan Real-dunia tergantung pada kualitas audio, aksen, dan bahasa; untuk rekaman berisik atau aksen, mengharapkan beberapa poin persentase lebih tinggi WER.
SenseVoice runs on STT.ai's free tier — every visitor gets 600 minutes/month at no cost. Paid plans add longer per-file limits, private transcripts, and priority queueing.
8800.000 dirilis di bawah MIT, lisensi sumber-terbuka yang serbaboleh. Anda dapat menentukan harga diri 880.000 pada perangkat keras Anda sendiri atau menggunakan versi host kami keduanya dapat digunakan secara komersial.
8800.000 mendukung 50 bahasa. Auto-deteksi memilih bahasa yang tepat untuk kebanyakan audio; Anda juga dapat menspesifikasikan secara manual untuk angkat akurasi kecil.
8800.000 proses audio di sekitar 50.0x real-time pada GPU kami. Sebuah file audio 1-jam selesai dalam bawah 1 menit; lagi file antrian dan pemberitahuan oleh email ketika dilakukan.
SenseVoice has 234M parameters. Larger models tend to be more accurate but slower; STT.ai hosts SenseVoice on GPU so the parameter count doesn't affect your client-side performance.
SenseVoice accepts every format STT.ai supports — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, and others. Output as TXT, SRT, VTT, DOCX, JSON, or PDF.
Diarasi Speaker berjalan bersama 880.000 untuk setiap transkripsi setiap pembicara diberi label dan Anda dapat mengubah nama mereka di editor sesudahnya.
Ya. 880.000 berjalan di lingkungan kami yang dikelola audio diproses dan dihapus secara baku dan tidak pernah digunakan untuk pelatihan tanpa eksplisit opt-in. Rencana pro menambahkan enkripsi sisi klien untuk transkrip saat istirahat.
Gunakan alat perbandingan-stt untuk menjalankan 880.000 melawan model lainnya yang didukung pada audio yang sama Anda akan melihat WER, segmen menghitung, label pembicara, dan skor keyakinan berdampingan.
Tentukan "880.000" sebagai parameter model pada titik akhir /v1/trancricture. Python dan Node.js SDKs termasuk SenseVoice contoh. Tingkat API gratis mencakup 100 menit/bulan.
Yes. Because SenseVoice is MIT-licensed, you can self-host it. STT.ai's open-source page lists the project repo and weights. Most production teams use our hosted version to skip GPU procurement, model swaps, and ops.