Transcribir con STT.ai Enhanced
3.2%
WER
100
Languages
160.0x
Speed
Proprietary
License
Acerca de STT.ai Enhanced
STT.ai Enhanced is our most accurate and fastest speech-to-text model. Built on cutting-edge transformer architecture with proprietary optimizations, it delivers industry-leading word error rates across 100+ languages. Ideal for production transcription, real-time captioning, and enterprise applications.
✦ Unlock Enhanced Model
Get access to our most accurate model with any paid plan. 3.2% WER, 160x real-time speed, 100+ languages.
View Plans →Model Info
- ProviderSTT.ai
- Architecture-
- LicenseProprietary
- UpdatedMar 2026
Preguntas frecuentes
STT.ai Enhanced es un modelo de voz a texto de STT.ai. STT.ai aloja STT.ai Enhanced en nuestra infraestructura de GPU para que pueda usarlo sin aprovisionamiento de su propio hardware — subir audio o vídeo y elegir STT.ai Enhanced del selector de modelos.
En puntos de referencia estándar, STT.ai Enhanced alcanza alrededor de 3.2% tasa de error de Word. La precisión en el mundo real depende de la calidad de audio, el acento y el lenguaje; para grabaciones ruidosas o acentuadas, espere unos puntos porcentuales más alto WER.
STT.ai Enhanced es un modelo premium — incluido con cualquier plan STT.ai pagado a partir de $5/mes. Los usuarios libres pueden previsualizar STT.ai Enhanced en clips cortos; los archivos más largos requieren un plan activo.
STT.ai Enhanced se distribuye bajo Proprietary. La versión alojada de STT.ai maneja el cumplimiento de licencias para usted, por lo que el uso comercial a través de nuestro servicio es sencillo.
STT.ai Enhanced admite 100 idiomas. La detección automática selecciona el idioma adecuado para la mayoría de audio; también puede especificarlo manualmente para un pequeño ascensor de precisión.
STT.ai Enhanced procesa audio en aproximadamente 160.0x en tiempo real en nuestras GPUs. Un archivo de audio de 1 hora termina en menos de 1 minutos; los archivos más largos cola y notificar por correo electrónico cuando se hace.
STT.ai Enhanced tiene parámetros 1.5B. Los modelos más grandes tienden a ser más precisos pero más lentos; STT.ai aloja STT.ai Enhanced en GPU para que el recuento de parámetros no afecte el rendimiento de su cliente.
STT.ai Enhanced acepta todos los soportes de formato STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, y otros. Salida como TXT, SRT, VTT, DOCX, JSON o PDF.
Sí. Diarización del altavoz corre junto a STT.ai Enhanced para cada transcripción - cada altavoz está etiquetado y se puede cambiar el nombre en el editor después.
Sí. STT.ai Enhanced se ejecuta en nuestra infraestructura privada — el audio se procesa y elimina por defecto. Pro+ añade cifrado del lado del cliente para que las transcripciones sean ilegibles sin su clave, y Private Cloud le permite albergar STT.ai Enhanced completamente en su propio VPC.
Utilice la herramienta compare-stt para ejecutar STT.ai Enhanced contra cualquier otro modelo soportado en el mismo audio: verá WER, conteo de segmentos, etiquetas de altavoz y puntuaciones de confianza lado a lado. La comparación STT.ai Enhanced vs Whisper Large V3 es la más común.
Sí. Especifique "stt-ai-enhanced" como parámetro de modelo en el endpoint /v1/transcribir. Los SDKs de Python y Node.js incluyen STT.ai Enhanced ejemplos. El nivel de API libre incluye 100 minutos/mes.
La licencia para STT.ai Enhanced está establecida por STT.ai; el auto-anfitrión depende de sus términos. STT.ai's hosted service opera STT.ai Enhanced en GPU administrado para que usted no necesita manejar esa integración.