Atzīmēt ar SenseVoice
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 līdz FunAudioLLM. STT.ai uzstādā SenseVoice mūsu GPU infrastruktūrā, lai jūs varētu to izmantot, nenodrošinot savu aparatūru — augšupielādēt audio vai video un izvēlēties SenseVoice no modeļa izvēlētājs.
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 notiek uz STT.ai bezmaksas līmeni – katrs apmeklētājs saņem 600 minūtes, lai sāktu bez maksas. Maksājamie plāni pievienot ilgākus vienas datnes limitus, privātus transkriptus, un prioritātes rindas.
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 līdzās 88 000 par katru transkripciju — katrs runātājs ir marķēts un jūs varat pārdēvēt tos redaktorā pēc tam.
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.