_Transkript STT.ai Enhanced
4.2%
WER
99
Dillər
15.9x
Sür'ət
MIT
Lisenziya
Bağlan STT.ai Enhanced
STT.ai Enhanced bizim ən dəqiq və ən sürətli söz-mətn modelidir. Mülkiyyətli optimallaşdırmalarla ən son transformator mimarisinə əsaslanan bu model 100-dən çox dildə ən yüksək söz səhv dərəcələrini təmin edir. Proqramlaşdırma transkripsiyası, real vaxt subtitrləri və korporativ tətbiqlər üçün idealdır.
✦ Əlavə Modeli Qıfılla
Hər hansı bir ödənişli planla ən dəqiq modelimizə çıxış əldə edin - Whisper large-v3, 99 dil və səsvermə diarization.
Planları Göstər →Model Məlumatı
- TəklifçiOpenAI (hosted by STT.ai)
- Mifologiya-
- LisenziyaMIT
- YeniləAug 2026
Tez-tez Sorulan Sual
STT.ai Enhanced OpenAI (hosted by STT.ai) tərəfindən səs-mətn modeldir. STT.ai STT.ai Enhanced-i GPU infrastrukturumuzda yerləşdirir, buna görə də siz onu öz hardverinizi təmin etmədən istifadə edə bilərsiniz - audio və ya video yükləyin və STT.ai Enhanced-i model seçicisindən seçin.
Standart benchmarklarda STT.ai Enhanced 4.2% söz səhv dərəcəsinə nail olur. Real dünya doğruluğu səs keyfiyyətinə, aksenta və dilinə bağlıdır; səsli və aksentli qeydlər üçün bir neçə faiz daha yüksək WER gözləyin.
STT.ai Enhanced premium modeldir - ayda $5-dan başlayan hər hansı bir ödənişli STT.ai planı ilə daxildir. Pulsuz səviyyədə mövcud deyil: pulsuz və anonim yükləmələr əvəzinə Whisper Turbo-nu işlədir.
STT.ai Enhanced MIT, bir açıq mənbə lisenziyası altında buraxılır. Siz STT.ai Enhanced-i öz hardverinizdə öz-özünə yerləşdirə bilərsiniz ya da bizim yerləşdirdiyimiz versiyası ilə istifadə edə bilərsiniz - hər ikisi də kommersiya üçün istifadə edilə bilər.
STT.ai Enhanced 99 dillərini dəstəkləyir. Avtomatik aşkarlama səsin çoxu üçün doğru dili seçir; siz onu əllə də müəyyən edə bilərsiniz.
STT.ai Enhanced audionu GPU-larda 15.9x real vaxtla işləyir. 1 saatlıq audio fayl 3 dəqiqə ərzində bitər; daha uzun fayllar növbəyə qoyularaq bitdikdə e-poçtla xəbərdar edilir.
STT.ai Enhanced-in 1.55B parametrləri var. Böyük modellər daha dəqiq, lakin daha yavaşdır; STT.ai GPU-da STT.ai Enhanced-i qəbul edir, buna görə də parametrlərin sayı sizin klient tərəfi performansınızı təsir etmir.
STT.ai Enhanced STT.ai-in dəstəklədiyi hər formatı qəbul edir — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI və digərləri. Çıxış TXT, SRT, VTT, DOCX, JSON və ya PDF olaraq.
Bəli. Hər bir transkripsiya üçün STT.ai Enhanced ilə birlikdə səsləndiricinin diarizasiyası işləyir - hər bir səsləndirici etiketlənir və sonradan redaktorda onları yenidən adlandıra bilərsiniz.
Bəli. STT.ai Enhanced bizim şəxsi infrastrukturumuzda işləyir - səs ön qurğulu olaraq işlənir və silinir. Pro+ klient tərəfli şifrələməyi əlavə edir, buna görə də transkriptlər sizin açarınız olmadan oxunmazdır, və Özəl Bulud sizə STT.ai Enhanced-i tamamilə öz VPC-nizdə öz-özünə host etməyə imkan verir.
STT.ai Enhanced-i eyni səsdə digər dəstəklənən modellərlə müqayisə etmək üçün compare-stt alətini istifadə et - siz WER, segment sayını, səsləndirici etiketlərini və etibarlılıq ballarını yan-yana görəcəksiniz. STT.ai Enhanced vs Whisper Large V3 müqayisəsi ən çox işlənəndir.
Bəli. /v1/transcribe son nöqtəsində model parametri olaraq "stt-ai-enhanced" göstərin. Python və Node.js SDK-ları STT.ai Enhanced nümunələrini ehtiva edir. Pulsuz API səviyyəsi ayda 100 dəqiqəni ehtiva edir.
Bəli. STT.ai Enhanced MIT-licensiyalıdır, buna görə də onu öz-özünə yerləşdirə bilərsiniz. STT.ai-in açıq mənbə səhifəsində layihənin repozitoriyası və çəkiləri göstərilir. Çox istehsal qrupları GPU satınalmalarını, model dəyişmələrini və əməliyyatları keçmək üçün bizim yerləşdirilmiş versiyamızı istifadə edirlər.