Trascrivi con SenseVoice
5.5%
WER
50
Languages
50.0x
Speed
MIT
License
Informazioni su 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
Domande frequenti
SenseVoice è un modello speech-to-text di FunAudioLLM. STT.ai ospita SenseVoice sulla nostra infrastruttura GPU in modo da poterlo utilizzare senza fornire il proprio hardware Hoppenstedt caricare audio o video e scegliere SenseVoice dal picker modello.
Sui benchmark standard, SenseVoice raggiunge circa 5.5% Word Error Rate. L'accuratezza del mondo reale dipende dalla qualità audio, dall'accento e dal linguaggio; per le registrazioni rumorose o accentuate, aspettatevi qualche punto percentuale più alto WER.
SenseVoice funziona su STT.ai di livello libero ogni visitatore ottiene 600 minuti al mese senza alcun costo. piani a pagamento aggiungere limiti più lunghi per file, trascrizioni private, e la coda di priorità.
SenseVoice è rilasciato sotto MIT, una licenza open-source permissiva. È possibile auto-host SenseVoice sul proprio hardware o utilizzare la nostra versione hosted entrambi sono commercialmente utilizzabili.
SenseVoice supporta 50 lingue. Rilevamento automatico sceglie la lingua giusta per la maggior parte dell'audio; è anche possibile specificarlo manualmente per un piccolo sollevamento di precisione.
SenseVoice elabora audio a circa 50.0x in tempo reale sulle nostre GPU. Un file audio di 1 ora termina in meno di 1 minuti; file più lunghi coda e notifica per e-mail quando fatto.
SenseVoice ha 234M parametri. I modelli più grandi tendono ad essere più precisi ma più lenti; STT.ai host SenseVoice su GPU in modo che il conteggio dei parametri non influisca sulle prestazioni lato client.
SenseVoice accetta ogni formato STT.ai supporta © MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, e altri. Uscita come TXT, SRT, VTT, DOCX, JSON, o PDF.
Sì. La diarizzazione degli altoparlanti corre accanto a SenseVoice per ogni trascrizione ogni altoparlante è etichettato e si può rinominare in seguito nell'editor.
Sì. SenseVoice è eseguito nel nostro ambiente gestito L'audio è elaborato e cancellato per impostazione predefinita e mai utilizzato per l'allenamento senza esplicito opt-in. Piani Pro aggiungere la crittografia lato client per le trascrizioni a riposo.
Utilizzare lo strumento di confronto-stt per eseguire SenseVoice contro qualsiasi altro modello supportato sullo stesso audio. Vedrete WER, conteggio dei segmenti, etichette degli altoparlanti e punteggi di confidenza fianco a fianco. Il confronto SenseVoice vs Whisper Large V3 è il più comunemente eseguito.
Sì. Specificare "sensevoice" come parametro del modello sull'endpoint /v1/transcribe. Gli SDK Python e Node.js includono SenseVoice esempi. Il livello API gratuito include 100 minuti/mese.
Sì. Poiché SenseVoice è MIT-licensed, si può auto-ospitare esso. STT.ai pagina open-source elenca il progetto repo e pesi. La maggior parte dei team di produzione utilizzano la nostra versione ospitata per saltare GPU approvvigionamento, modelli di swap, e op.