SenseVoice
STT.ai nedarbina šo modeli. Šī lapa ir atsauces informācija par to.
Atzīmēt ar modeļiem, ko mēs darām →
5.5%
WER
50
Valodas
50.0x
Ātrums
MIT
Licence
Par SenseVoice
SenseVoice ir runas pamata modelis no FunAudioLLM, kas sniedzas tālāk par transkripciju. Tas atbalsta 50+ valodas un ietver iespējas emocionālai atpazīšanai, audio notikumu atklāšanai un apgrieztā teksta normalizēšanai vienā modelī.
Modelis Info
- PiegādātājsFunAudioLLM
- Arhitektūra-
- LicenceMIT
- AtjaunotsMar 2026
Bieži uzdoti jautājumi
SenseVoice ir runas-teksta modelis, ko nosaka FunAudioLLM. STT.ai šobrīd nedarbojas SenseVoice – šajā lapā ir atsauces informācija par modeli. Transkripcijai STT.ai, modelis izvēlētājs piedāvā Whisper ģimene (Turbo, Liels V3, Vidējs, Mazs).
Par standarta etaloniem 8801% sasniedz aptuveni 8801% vārdu kļūdu rādītājs. Reālā pasaules precizitāte ir atkarīga no audio kvalitātes, akcenta un valodas; trokšņainiem vai izceltiem ierakstiem, sagaida dažus procentu punktus augstāka WER.
SenseVoice nav pieejams uz STT.ai. Tās pašas licences noteikumi regulē to darbojas pats. STT.ai ir bezmaksas līmenis aptver Whisper modeļiem mēs do – 600 minūtes, lai sāktu, tad ikmēneša bezmaksas papildināšanas.
SenseVoice tiek izlaists zem MIT, atļautā atvērtā pirmkoda licence. Jūs varat paša-host SenseVoice uz savu aparatūru vai izmantot mūsu hostinga versiju — abi ir komerciāli izmantojami.
SenseVoice atbalsta 50 valodas. Auto-noteikšana izvēlas pareizo valodu lielākajai daļai audio; jūs varat arī norādīt to manuāli, lai mazs precizitātes pacēlājs.
SenseVoice apstrādā audio apmēram 50.0x reāllaikā mūsu GPU. 1 stundu audio fails beidzas zem 1 minūtēm; ilgāka failu rinda un paziņo pa e-pastu, kad izdarīts.
SenseVoice ir 234M parametri. Lielāki modeļi mēdz būt precīzāki, bet lēnāki; STT.ai saimnieki SenseVoice par GPU, tāpēc parametru skaits neietekmē jūsu klientu veiktspēju.
SenseVoice pieņem katru formātu STT.ai atbalsta - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI un citi. Izlaide kā TXT, SRT, VTT, DOCX, JSON, vai PDF.
Jā. Skaļruņa diarizācija notiek kopā ar SenseVoice katram transkripcijam — katrs runātājs ir marķēts un pēc tam to var pārdēvēt redaktorā.
Jā. SenseVoice darbojas mūsu pārvaldītajā vidē — audio tiek apstrādāts un dzēsts pēc noklusējuma un nekad netiek izmantots apmācībai bez skaidra opt-in. Pro plāni pievienot klienta pusē šifrēšanu transkriptiem miera stāvoklī.
Izmantojiet salīdzināšanas-stt rīku, lai palaistu SenseVoice pret jebkuru citu atbalstīto modeli tajā pašā audio — jūs redzēsiet WER, segmentu skaitu, skaļruņu etiķetes un uzticamības punktus blakus-by-by. SenseVoice vs Whisper Lielo V3 salīdzinājums ir visbiežāk palaist.
Jā. Norādīt "sensevoice" kā modeļa parametru /v1/tractor galapunktā. Python un Node.js SDK ietver SenseVoice piemērus. Bezmaksas API līmenis ietver 100 minūtes/mēnesi.
Jā. Tā kā SenseVoice ir licences MIT, jūs varat paši-host to. STT.ai atvērtā pirmkoda lapā uzskaitīti projekta repo un svaru. Lielākā daļa ražošanas komandas izmanto mūsu hostinga versiju, lai izlaistu GPU iepirkumu, modeļu mijmaiņas darījumi, un opcijas.