এর সাথে অনুলিপি করো STT.ai Enhanced
3.2%
WER
100
ভাষা
160.0x
গতি
Proprietary
লাইসেন্স
পরিচিতি STT.ai Enhanced
STT.ai Enhanced আমাদের সবচেয়ে সঠিক এবং দ্রুততম বাক্যের- থেকে- টেক্সট মডেল। এটি 100+ ভাষার মধ্যে শিল্প-প্রধান শব্দ ভুল হার প্রদান করে। প্রযোজনা অনুবাদ, বাস্তব-সময়ের উপশীর্ষকরণ, এবং এন্টারপ্রাইজ অ্যাপ্লিকেশনের জন্য আদর্শ।
✦ উন্নত মডেল আনলক করো
যে কোন পরিশোধিত পরিকল্পনার সাথে আমাদের সবচেয়ে সঠিক মডেল ব্যবহার করুন। ৩.২% WER, ১৬০x বাস্তব সময় গতি, ১০০+ ভাষা।
প্ল্যান প্রদর্শন করো →মডেল তথ্য
- প্রদানকারীSTT.ai
- স্থাপত্য-
- লাইসেন্সProprietary
- হালনাগাদMar 2026
প্রায়শই জিজ্ঞাসিত প্রশ্ন
STT.ai Enhanced is a speech-to-text model by STT.ai. STT.ai hosts STT.ai Enhanced on our GPU infrastructure so you can use it without provisioning your own hardware — upload audio or video and pick STT.ai Enhanced from the model picker.
প্রমিত বেঞ্চমার্কে, ৮৮০০০ এর শব্দের ভুলের হার প্রায় ৮৮০০১%। বাস্তব বিশ্বের সঠিকতা অডিও গুণমান, উচ্চারণ এবং ভাষার উপর নির্ভর করে; ধ্বনি বা উচ্চারিত রেকর্ডিংয়ের জন্য, কিছু শতাংশ উচ্চতর WER আশা করা যেতে পারে।
STT.ai Enhanced একটি প্রিমিয়াম মডেল - যেকোন $5/মাস থেকে শুরু করা STT.ai পরিকল্পনার সাথে অন্তর্ভুক্ত। বিনামূল্যে ব্যবহারকারীরা STT.ai Enhanced এর প্রাকদর্শন করতে পারেন ছোট ক্লিপগুলিতে; দীর্ঘ ফাইলগুলির জন্য একটি সক্রিয় পরিকল্পনা প্রয়োজন।
STT.ai Enhanced Proprietary এর অধীনে বিতরণ করা হয়। STT.ai এর হোস্ট করা সংস্করণ আপনার জন্য লাইসেন্সিং অনুযায়ী পরিচালনা করে তাই আমাদের পরিষেবাগুলির মাধ্যমে বাণিজ্যিক ব্যবহার সহজ।
STT.ai Enhanced 100 ভাষা সমর্থন করে। অধিকাংশ অডিও ফাইলের জন্য স্বয়ংক্রিয়ভাবে সঠিক ভাষা নির্ধারণ করা হয়; আপনি এটি স্বয়ংক্রিয়ভাবে নির্ধারণ করেও সঠিকতা বাড়াতে পারেন।
STT.ai Enhanced আমাদের GPU-এর উপর প্রায় 160.0x বাস্তব-সময়ে অডিও প্রসেস করে। ১ ঘন্টার অডিও ফাইল ৮৮০০০২ মিনিটের মধ্যে শেষ হয়; দীর্ঘ ফাইলগুলোর জন্য অপেক্ষা করা হবে এবং শেষ হলে ই-মেইল দ্বারা জানাবে।
STT.ai Enhanced এর 1.5B পরামিতি রয়েছে। বড় মডেলগুলো আরও সঠিক কিন্তু ধীর; STT.ai GPU-তে STT.ai Enhanced হোস্ট করে, ফলে পরামিতি সংখ্যা আপনার ক্লায়েন্ট-সাইড পারফরম্যান্সে প্রভাব ফেলে না।
STT.ai Enhanced সমস্ত ফরম্যাট গ্রহণ করে যা STT.ai সমর্থন করে — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, এবং অন্যান্য। আউটপুট TXT, SRT, VTT, DOCX, JSON, অথবা PDF হিসাবে।
হ্যাঁ, প্রত্যেকটি অনুবাদের জন্য স্পিকার ডায়ারাইজেশন ৮৮০০০ এর সাথে চলছে - প্রত্যেকটি স্পিকার লেবেল করা আছে এবং আপনি পরে সম্পাদকে তাদের নাম পরিবর্তন করতে পারেন।
হ্যাঁ। ৮৮০০০ আমাদের ব্যক্তিগত অবকাঠামোতে চলছে - অডিও ডিফল্টভাবে প্রসেস এবং মুছে ফেলা হয়। প্রো + ক্লায়েন্ট-সাইড এনক্রিপশন যোগ করে যাতে আপনার কী ছাড়া ট্রান্সক্রিপ্ট পড়া যায় না, এবং প্রাইভেট ক্লাউড আপনাকে আপনার নিজের ভিপিসিতে ৮৮০০০ সম্পূর্ণরূপে স্ব-হোস্ট করতে দেয়।
একই অডিওতে অন্য যেকোন সমর্থিত মডেলের সাথে ৮৮০০০ চালানোর জন্য compare-stt টুল ব্যবহার করুন — আপনি WER, সেগমেন্ট সংখ্যা, স্পিকার লেবেল এবং বিশ্বাসযোগ্যতা স্কোর পাশে পাশে দেখতে পাবেন। ৮৮০০০ বনাম Whisper Large V3 তুলনা সবচেয়ে সাধারণভাবে চালানো হয়।
হ্যাঁ। /v1/transcribe এন্ডপয়েন্টে মডেল পরামিতি হিসাবে "stt-ai-enhanced" উল্লেখ করুন। Python এবং Node.js SDK-এ STT.ai Enhanced উদাহরণ অন্তর্ভুক্ত রয়েছে। বিনামূল্যে API স্তরে ১০০ মিনিট/মাস অন্তর্ভুক্ত রয়েছে।
STT.ai Enhanced এর লাইসেন্সিং STT.ai দ্বারা নির্ধারিত হয়; স্ব-হোস্টিং তাদের শর্তাবলীর উপর নির্ভর করে। STT.ai এর হোস্ট সার্ভিস পরিচালিত GPU-এ STT.ai Enhanced চালায়, তাই আপনার এই সমন্বয় ব্যবস্থাপনা করার প্রয়োজন নেই।