Transcribe with STT.ai Enhanced
3.2%
WER
100
Languages
160.0x
Speed
Proprietary
License
About STT.ai Enhanced
✦ 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
Maiz egiten diren galderak
STT.ai Enhanced STT.airen hizketa-testu modelo bat da. STT.aik STT.ai Enhanced gure GPU azpiegituran ostatzen du, zure hardwarea hornitu gabe erabil dezakezu, audioa edo bideoa igo eta STT.ai Enhanced aukeratu modelo-hautatzailean.
Erreferentzia estandarretan, STT.ai Enhancedk %3.2 inguruko hitzen errore-tasa lortzen du. Benetako zehaztasuna audio-kalitatearen, azentuaren eta hizkuntzaren araberakoa da; grabazio zaratatsu edo azentudunetarako, WER ehuneko puntu batzuk handiagoa espero daiteke.
STT.ai Enhanced modelo premium bat da — STT.ai ordaindutako edozein planekin barneratuta dago, $5/hiletik hasita. Doako erabiltzaileek STT.ai Enhanced klip laburretan aurrez ikusi dezakete; fitxategi luzeagoek plan aktiboa behar dute.
STT.ai Enhanced Proprietaryren azpian banatzen da. STT.airen ostatatutako bertsioak lizentzia betetzea kudeatzen du zuretzat, beraz, gure zerbitzuaren bidezko erabilera komertziala erraza da.
STT.ai Enhancedk 100 hizkuntza onartzen ditu. Auto-detekzioak hizkuntza egokia hautatzen du audio gehienentzat; eskuz ere zehaztu dezakezu zehaztasun txikiagoa lortzeko.
STT.ai Enhanced-k audioa 160.0x denbora errealean prozesatzen du gure GPUetan. Ordu bateko audio-fitxategi bat 1 minututan amaitzen da; fitxategi luzeagoak ilaran jarri eta e-postaz jakinarazi egiten dira amaitzen direnean.
STT.ai Enhanced-k 1.5B parametro ditu. Modelo handiagoak zehatzagoak izaten dira, baina motelagoak; STT.ai-k STT.ai Enhanced GPUan gordetzen du, beraz parametroen kopuruak ez du eraginik izango bezeroaren errendimenduan.
STT.ai Enhancedek STT.aik onartzen dituen formatu guztiak onartzen ditu: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI eta beste batzuk. Irteera TXT, SRT, VTT, DOCX, JSON edo PDF gisa.
Bai. Hiztun-diarizazioa STT.ai Enhancedrekin batera exekutatzen da transkribapen bakoitzean — hiztun bakoitza etiketatuta dago eta gero editorean izena aldatu ahal izango duzu.
Bai. STT.ai Enhanced gure azpiegitura pribatuan exekutatzen da — audioa lehenespenez prozesatu eta ezabatu egiten da. Pro+-ek bezeroaren aldeko enkriptatzea gehitzen du, transkribapenak zure gakorik gabe irakurgai ez daitezen, eta Private Cloud-ek STT.ai Enhanced osorik zure VPCn ostatatzea ahalbidetzen dizu.
Erabili compare-stt tresna STT.ai Enhanced audio beraren beste edozein onartutako modeloren aurka exekutatzeko — WER, segmentu-kopurua, bozgorailuen etiketak eta konfiantza-puntuak aldi berean ikusiko dituzu. STT.ai Enhanced eta Whisper Large V3 konparaketa da gehien erabiltzen dena.
Bai. Zehaztu "stt-ai-enhanced" modeloaren parametro gisa /v1/transcribe amaierako puntuan. Python eta Node.js SDKek STT.ai Enhanced adibidea dute. API doako maila 100 minutukoa da hilean.
STT.ai Enhanced-ren lizentzia STT.ai-k ezartzen du; auto-ostatua haien baldintzen araberakoa da. STT.ai-ren ostatatutako zerbitzuak STT.ai Enhanced exekutatzen du GPU kudeatuan, beraz, ez duzu integrazio hori kudeatu behar.