SenseVoice
STT.ai leeft net op dësem Modell. Dës Säit ass eng Referenzinformatioun doriwwer.
D'Modeller, déi mir lafen, transkribéieren →
5.5%
WER
50
Sproochen
50.0x
Geschwindegkeet
MIT
Lizenz
Iwwer SenseVoice
SenseVoice ass e Sproochmodell vun FunAudioLLM, dat méi wéi Transkriptioun ass. Et ënnerstëtzt iwwer 50 Sproochen an enthält Fäegkeeten fir Emotiounen ze erkenntnen, Audioereignisser ze erkenntnen an d'Normaliséierung vun ëmgekehrtem Text an engem eenzegen Modell.
Sproochen SenseVoice
Modellinformatioun
- ProviderFunAudioLLM
- Architektur-
- LizenzMIT
- AktualiséiertMar 2026
Häufig gestallte Froen
SenseVoice ass e Sprooch-zu-Text-Modell vum FunAudioLLM. STT.ai leeft derzäit net mat SenseVoice - dës Säit ass Referenzinformatioun iwwer dat Modell. Fir Transkriptioun op STT.ai bitt d'Modell-Auswiel d'Whisper-Famill (Turbo, Large V3, Medium, Small) un.
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 ass net op STT.ai verfügbar. Seng eege Lizenzbedingunge bestëmmen, wéi Dir et selwer ausféiert. D'Fräiversioun vun STT.ai deckt d'Whisper-Modeller, déi mir lafen - 600 Minutten ze starten, duerno eng monatlech gratis Erhéijung.
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.