Transcribe with SenseVoice
5.5%
WER
50
Languages
50.0x
Speed
MIT
License
About SenseVoice
Model Info
- ProviderFunAudioLLM
- Architecture-
- LicenseMIT
- UpdatedMar 2026
Häufig gestallte Froen
D'Nummer SenseVoice ass e Sprooch-zu-Text-Modell vum FunAudioLLM. STT.ai hostet SenseVoice op eiser GPU-Infrastruktur, sou datt Dir et benotze kënnt ouni Är eege Hardware ze bidden - Audio oder Video erofzelueden an SenseVoice aus der Modellauswiel erauszehuelen.
D'Zuel vun de Sproochen, déi an der Welt geschwat ginn, ass ronn 880 Milliounen, an déi meescht vun hinnen hunn eng Sprooch als Mammesprooch.
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.
SenseVoice ass ënner der MIT, enger permissiver Open-Source-Lizenz verëffentlecht ginn. Dir kënnt SenseVoice op Ärer eegene Hardware hosten oder eis gehostete Versioun benotzen - béid sinn kommerziell benotzt.
SenseVoice ënnerstëtzt 50 Sproochen. D'Auto-Erkennung wielt d'richtig Sprooch fir déi meescht Audio; Dir kënnt et och manuell uginn fir eng kleng Präzisiounssteigerung.
SenseVoice veraarbecht Audio mat ongeféier 50.0x Echtzäit op eise GPUen. Eng 1 Stonn laang Audiodatei ass a manner wéi 1 Minutten ofgeschloss; méi laang Dateien ginn an d'Warteschlange gesat an no der Fertigstellung per E-Mail informéiert.
SenseVoice huet 234M Parameter. Grouss Modeller sinn dacks méi genee, awer méi lues; STT.ai huet SenseVoice op der GPU, sou datt d'Zuel vun de Parameteren Är Clientsleeschtung net beaflosst.
SenseVoice akzeptéiert all Formater déi STT.ai ënnerstëtzt — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, an aner. Ausgab als TXT, SRT, VTT, DOCX, JSON oder PDF.
D'Sprooch ass ronn 800.000 Leit bekannt, déi an der ganzer Welt geschwat ginn, an déi meescht vun hinnen an der Regioun liewen.
Ja. SenseVoice leeft an eiser verwalteter Ëmwelt — Audio gëtt standardméisseg veraarbecht a geléist a gëtt ni fir Training benotzt ouni explizit Opt-in. Pro Pläng addéieren Client-säiteg Verschlësselung fir Transkriptiounen am Ruhezustand.
D'Vergleiche-stt-Tool gëtt benotzt fir SenseVoice mat all anere Modeller ze vergläichen, déi op deem selwechten Audiosystem ënnerstëtzt ginn. Dobäi gesi mir WER, Segment-Zuel, Lautsprecher-Label an Zuverlässegkeetswäerter netzwierklech. De Verglach SenseVoice vs Whisper Large V3 gëtt am meeschte benotzt.
Ja. Gebt "sensevoice" als Modellparameter op dem /v1/transcribe Endpunkt un. Python an Node.js SDKs enthalen SenseVoice Beispiller. D'gratis API-Tier enthält 100 Minutten/Mount.
Ja. Well SenseVoice MIT-lizenzéiert ass, kënnt Dir et selwer hosten. D'Open-Source-Säit vun STT.ai lëscht de Projet-Repo an d'Gewiicht op. D'Meiste Produktiounsteams benotzen eis gehostete Versioun fir GPU-Beschaffung, Modell-Swaps an Ops ze iwwerhuelen.