Transskribér med STT.ai Enhanced
4.2%
WER
99
Sprog
15.9x
Hastighed
MIT
Licens
Om STT.ai Enhanced
STT.ai Forbedret er vores mest præcise og hurtigste tale-til-tekst model. Bygget på banebrydende transformer arkitektur med proprietære optimeringer, det leverer branchens førende ord fejlfrekvenser på tværs af 100 + sprog. Ideel til produktion transskription, real-time billedtekster, og enterprise applikationer.
✦ Lås op for forbedret model
Få adgang til vores mest præcise model med enhver betalt plan! Hviske store v3, 99 sprog, og højttaler diarisering.
Vis planer →Modelinformation
- LeverandørOpenAI (hosted by STT.ai)
- Arkitektur-
- LicensMIT
- OpdateretAug 2026
Ofte stillede spørgsmål
STT.ai Enhanced er en tale-til-tekst model af OpenAI (hosted by STT.ai). STT.ai værter STT.ai Enhanced på vores GPU-infrastruktur, så du kan bruge det uden at give din egen hardware uploade lyd eller video og vælge STT.ai Enhanced fra modelvælgeren.
På standard benchmarks, STT.ai Enhanced opnår omkring 4.2% Word Error Rate. Real-verden nøjagtighed afhænger af lydkvalitet, accent og sprog; for støjende eller accent optagelser, forventer et par procentpoint højere WER.
STT.ai Enhanced er en luksus model ! inkluderet med enhver betalt STT.ai plan starter på $5/måned. Det er ikke tilgængelig på det gratis niveau: gratis og anonyme uploads køre Whisper Turbo i stedet.
STT.ai Enhanced er udgivet under MIT, en permissiv open source licens. Du kan selvvært STT.ai Enhanced på din egen hardware eller bruge vores hosted version! begge er kommercielt brugbare.
STT.ai Enhanced understøtter 99 sprog. Auto-detektering vælger det rigtige sprog til de fleste lyd; du kan også angive det manuelt for en lille nøjagtighed elevator.
STT.ai Enhanced behandler lyd på omkring 15.9x realtid på vores GPU'er. En 1-timers lydfil slutter på under 3 minutter; længere filer kø og underrette via e-mail, når det er gjort.
STT.ai Enhanced har 1.55B parametre. Større modeller har tendens til at være mere præcise, men langsommere; STT.ai værter STT.ai Enhanced på GPU, så parameteren tæller ikke påvirker din klient-side ydeevne.
STT.ai Enhanced accepterer hvert format STT.ai understøtter ~ MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, og andre. Output som TXT, SRT, VTT, DOCX, JSON, eller PDF.
Ja. Speaker diarization kører sammen med STT.ai Enhanced for hver transskription! hver højttaler er mærket, og du kan omdøbe dem i editoren bagefter.
Ja. STT.ai Enhanced kører i vores private infrastruktur ~ lyd behandles og slettes som standard. Pro + tilføjer klient-side kryptering, så udskrifter er ulæselige uden din nøgle, og Private Cloud lader dig selv-vært STT.ai Enhanced helt i din egen VPC.
Brug sammenligning-stt værktøj til at køre STT.ai Enhanced mod enhver anden understøttet model på den samme lyd! du vil se WER, segment tæller, højttaler etiketter, og tillid scorer side om side. STT.ai Enhanced vs Whisper Stor V3 sammenligning er den mest almindelige køre.
Ja. Angiv "stt-ai-enhanced" som modelparameter på /v1/transcribe endpoint. Python og node.js SDKs omfatter STT.ai Enhanced eksempler. Gratis API-niveau inkluderer 100 minutter/måned.
Ja. Fordi STT.ai Enhanced er MIT-licenseret, kan du selv være vært for det. STT.ai open source side viser projektet repo og vægte. De fleste produktionshold bruger vores hosted version til at springe GPU indkøb, model swaps og ops.