سره لېښل SenseVoice
5.5%
WER
50
ژبې
50.0x
چټکتيا
MIT
منښتليک
په اړه SenseVoice
SenseVoice د FunAudioLLM څخه د وینا بنسټ ماډل دی چې د لیږد څخه بهر ځي. دا د 50 + ژبو ملاتړ کوي او په یو واحد ماډل کې د احساس پیژندلو، آډیو پیښې کشف کولو او معکوس متن نورمال کولو وړتیاوې لري.
د نمونې خبرتياوې
- برابروونکیFunAudioLLM
- معمارۍ-
- منښتليکMIT
- اوسمهالولMar 2026
ډېرې پوښتنې
SenseVoice د FunAudioLLM لخوا د وینا-د-متن ماډل دی. STT.ai زموږ د GPU زیربنا کې SenseVoice کوربه کوي نو تاسو کولی شئ دا د خپل هارډویر چمتو کولو پرته وکاروئ - آډیو یا ویډیو پورته کړئ او د ماډل انتخاب څخه SenseVoice غوره کړئ.
په معياري معیارونو، SenseVoice په شاوخوا کې 5.5٪ کلمه د خطا نرخ ترلاسه کوي. د رښتینې نړۍ دقت د غږ کیفیت، accented، او ژبه پورې اړه لري؛ د غږیز یا accented ریکارډونو لپاره، د څو سلنې ټکي لوړ WER تمه.
SenseVoice د STT.ai وړیا ټیر کې چلیږي - هر لیدونکی د 600 دقیقې ترلاسه کوي ترڅو پرته له کومې لګښت څخه پیل وکړي. د تادیې شوي پلانونو اوږد مهاله د فایل حدونه، شخصي نقلونه او د لومړیتوب قطار اضافه کوي.
SenseVoice د MIT، د اجازه ورکولو وړیا سرچینې جواز لاندې خپور شوی. تاسو کولی شئ په خپل هارډویر کې د SenseVoice کوربه کړئ یا زموږ کوربه نسخه وکاروئ - دواړه په سوداګریز ډول کارول کیدی شي.
SenseVoice 50 ژبې ملاتړ کوي. د اتومات کشف د ډیری غږ لپاره سم ژبه غوره کوي؛ تاسو کولی شئ د کوچني دقت لیفت لپاره په لاسي ډول مشخص کړئ.
SenseVoice زموږ په GPUs کې د 50.0x ریښتیني وخت په اړه غږیز پروسس کوي. د 1 ساعت غږیز فایل د 1 دقیقو لاندې پای ته رسیږي؛ اوږدې فایلونه د قافیې او بریښنالیک له لارې خبرداری ورکوي کله چې ترسره شي.
SenseVoice د 234M پارامترونه لري. لوی ماډلونه ډیر دقیق دي مګر ورو؛ STT.ai په GPU کې SenseVoice کوربه کوي نو د پارامتر شمیر ستاسو د پیرودونکي خوا فعالیت اغیزه نه کوي.
SenseVoice هر بڼه STT.ai ملاتړ مني - MP3، WAV، M4A، FLAC، OGG، MP4، MKV، MOV، WebM، AVI، او نورو. د TXT، SRT، VTT، DOCX، JSON، یا PDF په توګه محصول.
هو. د ویناوال diarization د هر نقل لپاره د SenseVoice سره یوځای روان دی - هر ویناوال لیبل شوی او تاسو کولی شئ وروسته په مدیر کې یې نوم بدل کړئ.
هو. SenseVoice زموږ په مدیریت شوي چاپیریال کې روان دی - آډیو د تل لپاره پروسس او حذف کیږي او هیڅکله د واضح انتخاب پرته د روزنې لپاره نه کارول کیږي. د پرو پلانونه د آرام لپاره د لیږد لپاره د پیرودونکي اړخ کوډ اضافه کوي.
د پرتله-STT وسیله وکاروئ چې په ورته غږیز کې د نورو ملاتړ شوي ماډلونو پروړاندې SenseVoice چل کړئ - تاسو به WER، د برخې شمیر، د سکرین لیبلونه، او د اعتماد نښې نښانې وګورئ. د SenseVoice vs Whisper Large V3 پرتله کول ترټولو عام چلول دي.
هو. د / v1 / transcribe پای ټکي کې د ماډل پارامتر په توګه "sensevoice" مشخص کړئ. د پایټن او Node.js SDKs کې د SenseVoice مثالونه شامل دي. د وړیا API ټیر کې د 100 دقیقې / میاشت شامل دي.
هو. ځکه چې SenseVoice د MIT-لیکسینو لري، تاسو کولی شئ دا ځان ته کوربه کړئ. د STT.ai خلاص سرچینه پاڼه د پروژې ریپ او وزنونه لیست کوي. ډیری تولید ټیمونه زموږ کوربه نسخه کاروي ترڅو د GPU پیرود، ماډل تبادلې او عملیاتو ته لاړ شي.