SenseVoice
STT.ai энэ загварыг ажиллуулж чадахгүй. Энэ хуудас нь түүний тухай мэдээлэл юм.
Бидний ашигладаг загваруудтай хөрвүүл →
5.5%
WER
50
Хэл
50.0x
Хурд
MIT
Лиценз
Тодорхойлолт SenseVoice
SenseVoice бол FunAudioLLM-ийн ярианы суурь загвар бөгөөд транскрипцээс гадна 50+ хэлийг дэмждэг бөгөөд сэтгэл хөдлөлийг таньж мэдэх, дууны үйл явдлыг илрүүлэх, утга нийлбэрийг нэг загварт оруулах боломжийг агуулдаг.
Модель мэдээ
- Үйлчилгээ үзүүлэгчFunAudioLLM
- Архитектур-
- ЛицензMIT
- ШинэчлэгдсэнMar 2026
Заримдаа асуудаг асуултууд
SenseVoice нь FunAudioLLM- ийн ярианаас текст болгох загвар юм. STT.ai нь одоогоор SenseVoice- ийг ажиллуулж байгаагүй - энэ хуудас нь загварын тухай мэдээллийг агуулдаг. STT.ai дээрх бичлэгийн хувьд загвар сонгогч Whisper бүлгийг санал болгодог (Түрбэ, том V3, дунд, жижиг).
Стандарт үзүүлэлтээр SenseVoice нь 5.5% үгийн алдааны түвшинг хангадаг. Үнэн хэрэгтээ энэ нь дууны чанар, өнгө, хэлнээс хамаарна. Хөгжим дуугарч байгаа үед WER-ийг хэд хэдэн хувь нэмэгдүүлэх хэрэгтэй.
SenseVoice нь STT.ai дээр ашиглагдахгүй байна. Түүний лицензийн нөхцөл нь таныг өөрөө ажиллуулахыг шаарддаг. STT.ai-ийн үнэгүй түвшин нь Whisper загваруудыг хамардаг - 600 минут эхлэх, дараа нь сарын үнэгүй нэмэлт.
SenseVoice нь MIT, нээлттэй эхийн лицензийн дор гарсан. Та SenseVoice-ийг өөрийнхөө тоног төхөөрөмж дээр байршуулж эсвэл манай байршуулсан хувилбарыг ашиглаж болно. Хоёулаа худалдааны зориулалттай.
SenseVoice нь 50 хэлийг дэмждэг. Автомат олж илрүүлэх нь олон аудиод тохирох хэлийг сонгоно. Та үүнийг гараараа тодорхойлж, бага зэрэг нарийвчлал нэмэгдүүлэх боломжтой.
SenseVoice нь бидний GPU дээр 50.0x бодит цагаар аудиог боловсруулдаг. 1 цагийн аудио файл 1 минутын дотор дуусна; урт файлууд дараалалд орж дууссаны дараа имэйлээр мэдэгдэнэ.
SenseVoice нь 234M параметртэй. Том загварууд илүү нарийвчлалтай боловч хурд багатай байдаг; STT.ai нь SenseVoice-ийг график процессор дээр байрлуулдаг тул параметрийн тоо нь таны клиентийн талд нөлөөлөхгүй.
SenseVoice нь STT.ai-ийн дэмждэг бүх форматыг хүлээн авдаг - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, болон бусад. Түүний гаралт нь TXT, SRT, VTT, DOCX, JSON, эсвэл PDF.
Тийм ээ. Бүх бичлэгийн хувьд SenseVoice-тай хамт дуут дохионы тэмдэглэгээ хийгддэг. Бүх дуут дохионууд нь тэмдэглэгээтэй бөгөөд редакторт нэрийг нь өөрчилж болно.
Тийм. SenseVoice нь бидний удирдсан орчинд ажилладаг — аудио нь урьдчилан боловсруулж устгагдсан бөгөөд тодорхой зөвшөөрөлгүйгээр хэзээ ч сургалтанд ашиглагддаггүй. Pro төлөвлөгөө нь хэвийн үед хадгалагдсан бичлэгийг клиентийн талд шифрлэдэг.
SenseVoice-ийг дэмждэг бусад загвартай харьцуулахад compare-stt хэрэгслийг ашиглана уу. Та WER, сегментийн тоо, дуут дохионы тэмдэг, найдвартай байдлын оноог хамтдаа харах болно. SenseVoice-ийг Whisper Large V3-тэй харьцуулах нь хамгийн түгээмэл хийгддэг.
Тийм. /v1/transcribe төгсгөлийн цэгт "sensevoice" загварын параметрийг заана уу. Python болон Node.js SDK-д SenseVoice жишээ багтсан. Үнэгүй API түвшин нь сарын 100 минутыг багтаасан.
Тийм ээ. SenseVoice нь MIT лицензтэй тул та үүнийг өөрийнхөө сервер дээр байрлуулж болно. STT.ai-ийн нээлттэй эхийн хуудас нь төслийн репозитори болон жингүүдийг жагсаана. Ихэнх үйлдвэрлэлийн багууд бидний хостлагдсан хувилбарыг GPU худалдан авалт, загвар солилцоо, үйл ажиллагааг орхиход ашигладаг.