SenseVoice
STT.ai tidak menjalankan model ini. Halaman ini adalah maklumat rujukan mengenainya.
Tulis dengan model yang kita jalankan →
5.5%
WER
50
Bahasa
50.0x
Kelajuan
MIT
Lesen
Tentang SenseVoice
SenseVoice adalah model asas pertuturan dari FunAudioLLM yang melampaui transkripsi. Ia menyokong 50+ bahasa dan termasuk keupayaan untuk pengenalan emosi, pengesanan peristiwa audio, dan normalisasi teks terbalik dalam model tunggal.
Maklumat Model
- PenyediaFunAudioLLM
- Arkitektur-
- LesenMIT
- DikemaskiniMar 2026
Soalan Lazim
SenseVoice adalah model ucapan-ke-teks oleh FunAudioLLM. STT.ai tidak menjalankan SenseVoice - halaman ini adalah maklumat rujukan mengenai model. Untuk transkripsi pada STT.ai, pemilih model menawarkan keluarga Whisper (Turbo, Large V3, Medium, Small).
Pada piawaian piawai, SenseVoice mencapai kira-kira 5.5% Kadar Ralat Perkataan. Ketepatan dunia nyata bergantung pada kualiti audio, loghat, dan bahasa; untuk rakaman bising atau loghat, harapkan beberapa peratusan WER yang lebih tinggi.
SenseVoice tidak tersedia pada STT.ai. Syarat lesennya sendiri mengawal pelaksanaannya sendiri. Tahap percuma STT.ai meliputi model Whisper yang kami jalankan — 600 minit untuk mula, kemudian satu bulanan percuma top-up.
SenseVoice dikeluarkan di bawah lesen sumber terbuka MIT. Anda boleh memuat turun SenseVoice pada perkakasan anda sendiri atau menggunakan versi kami yang dimuat turun — kedua-duanya boleh digunakan secara komersial.
SenseVoice menyokong 50 bahasa. Auto-kesan memilih bahasa yang betul untuk kebanyakan audio; anda juga boleh nyatakannya secara manual untuk ketelusan yang lebih baik.
SenseVoice memproses audio pada kira-kira 50.0x masa nyata pada GPU kami. Fail audio 1 jam selesai dalam kurang daripada 1 minit; fail yang lebih panjang berijil dan maklumkan melalui emel bila selesai.
SenseVoice mempunyai parameter 234M. Model yang lebih besar cenderung lebih tepat tetapi lebih perlahan; STT.ai memuatkan SenseVoice pada GPU jadi kiraan parameter tidak mempengaruhi prestasi sisi klien anda.
SenseVoice menerima setiap format yang disokong STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, dan lain-lain. Output sebagai TXT, SRT, VTT, DOCX, JSON, atau PDF.
Ya. Diarisasi pembicara berjalan bersama SenseVoice untuk setiap transkripsi — setiap pembicara dilabel dan anda boleh menamakan semula mereka dalam editor selepas itu.
Ya. SenseVoice berjalan dalam persekitaran yang dikendalikan kami — audio diproses dan dipadam secara lalai dan tidak pernah digunakan untuk latihan tanpa opt-in yang jelas. Rancangan Pro menambah penyulitan sisi klien untuk transkripsi ketika rehat.
Gunakan alat compare-stt untuk jalankan SenseVoice terhadap model yang disokong lain pada audio yang sama — anda akan lihat WER, kiraan segmen, label pengeras, dan skor keyakinan berdampingan. Perbandingan SenseVoice vs Whisper Large V3 adalah yang paling biasa dijalankan.
Ya. Nyatakan "sensevoice" sebagai parameter model pada titik akhir /v1/transcribe. Python dan Node.js SDKs termasuk contoh SenseVoice. Tahap API percuma termasuk 100 minit/bulan.
Ya. Kerana SenseVoice adalah MIT-licensed, anda boleh self-host ia. STT.ai's open-source page lists the project repo and weights. Kebanyakan pasukan produksi menggunakan versi kami yang dihost untuk melepasi pembelian GPU, pertukaran model, dan ops.