Transcribe with SenseVoice
5.5%
WER
50
Languages
50.0x
Speed
MIT
License
About SenseVoice
Model Info
- ProviderFunAudioLLM
- Architecture-
- LicenseMIT
- UpdatedMar 2026
Vanliga frågor
SenseVoice är en tal-till-text-modell med FunAudioLLM. STT.ai värd SenseVoice på vår GPU-infrastruktur så att du kan använda den utan att tillhandahålla din egen hårdvara – ladda upp ljud eller video och plocka SenseVoice från modellen plockare.
På standard riktmärken, SenseVoice uppnår cirka 8801% Word Felfrekvens. Real-world noggrannhet beror på ljudkvalitet, accent och språk; för bullriga eller accentiva inspelningar, förvänta sig några procentenheter högre WER.
SenseVoice körs på STT.ai gratis nivå – varje besökare får 600 minuter/månad utan kostnad. Betald planer lägga längre per fil gränser, privata utskrifter, och prioritet köa.
SenseVoice släpps under MIT, en tillåtande öppen källkod licens. Du kan själv värd SenseVoice på din egen hårdvara eller använda vår värd version – båda är kommersiellt användbara.
SenseVoice stöder 50 språk. Automatisk upptäckt väljer rätt språk för de flesta ljud; du kan också ange det manuellt för en liten noggrannhet lyft.
SenseVoice behandlar ljud på ca 50.0x realtid på våra GPUs. En 1-timmars ljudfil slutar på under 1 minuter; längre filer köa och meddela via e-post när det är gjort.
SenseVoice har 234M parametrar. Större modeller tenderar att vara mer exakta men långsammare; STT.ai värd SenseVoice på GPU så parametern räknas inte påverkar din klient-sidan prestanda.
SenseVoice accepterar varje format STT.ai stöder — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, med flera. Utmatning som TXT, SRT, VTT, DOCX, JSON, eller PDF.
Ja. Högtalardiarization körs vid sidan av SenseVoice för varje transkription — varje talare är märkt och du kan byta namn på dem i redaktören efteråt.
Ja. SenseVoice körs i vår hanterade miljö — ljud behandlas och tas bort som standard och aldrig används för utbildning utan uttrycklig opt-in. Pro planer lägga klient-side kryptering för utskrifter i vila.
Använd jämförelse-stt verktyg för att köra SenseVoice mot någon annan stöds modell på samma ljud - du kommer att se WER, segment räkna, högtalare etiketter och förtroende poäng sida vid sida. SenseVoice vs Whisper Large V3 jämförelse är den vanligaste köras.
Ja. Ange "sensevoice" som modellparameter för /v1/transkriptiv endpoint. Python och Node.js SDKs inkluderar SenseVoice exempel. Gratis API-nivå inkluderar 100 minuter/månad.
Ja. Eftersom SenseVoice är MIT-licensierad, kan du själv värd den. STT.ai öppen källkod sida listar projektet repo och vikter. De flesta produktionsteam använder vår värd version för att hoppa över GPU upphandling, modellswappar, och ops.