STT.ai Enhanced
STT.ai اين مدل رو روي سطح پرداختي اجرا ميکنه. اين مدل پشت STT.ai بهبود يافته است. رونوشت آزاد از Whisper Large v3 Turbo استفاده ميکنه که سريعتره.
نقشه ها رو ببين →
·
. رونوشت آزاد با Whisper Turbo →
4.2%
WER
99
زبانها
15.9x
سرعت
MIT
مجوز
در مورد STT.ai Enhanced
STT.ai Enhanced دقت و سرعت مدل گفتار به متن ماست. ساخته شده بر روی معماری تبدیل پیشرو با بهینه‌سازی‌های انحصاری، نرخ خطای کلمات پیشرو در صنعت را در بیش از 100 زبان ارائه می‌دهد. ایده‌آل برای رونویسی تولید، زیرنویس‌های زمان واقعی و برنامه‌های کاربردی شرکتی.
✦ باز کردن مدل بهبودیافته
Get access to our most accurate model with any paid plan — Whisper large-v3, 99 languages, and speaker diarization.
نمایش نقشه →اطلاعات مدل
- ارائه‌دهندهOpenAI (hosted by STT.ai)
- معماری-
- مجوزMIT
- به روزرسانیAug 2026
پرسشهای متداول
STT.ai Enhanced یک مدل گفتار به متن توسط OpenAI (hosted by STT.ai) است. STT.ai آن را بر روی GPU خودمان برای حساب‌های در یک برنامه پرداختی اجرا می‌کند، و این مدل پشت STT.ai Enhanced Tier است. رونویسی رایگان از Whisper Large v3 Turbo استفاده می‌کند، نقطه چک سریعتر از همان خانواده.
در استانداردهای استاندارد، STT.ai Enhanced در حدود 4.2% Word Error Rate را بدست می‌آورد. دقت واقعی به کیفیت صدا، لهجه و زبان بستگی دارد؛ برای ضبط‌های پر سر و صدا یا لهجه، انتظار چند درصد بالاتر WER را داشته باشید.
STT.ai Enhanced یک مدل پریمیوم است که در هر برنامهٔ پرداختی STT.ai که از $5/ماه شروع می‌شود، شامل می‌شود. این در سطح رایگان در دسترس نیست: بارگذاری‌های رایگان و ناشناس در عوض Whisper Turbo را اجرا می‌کنند.
STT.ai Enhanced تحت MIT منتشر می‌شود، یک مجوز آزاد آزاد. شما می‌توانید خودتان STT.ai Enhanced را در سخت‌افزار خود میزبانی کنید یا از نسخه میزبانی شده ما استفاده کنید - هر دو قابل استفاده تجاری هستند.
STT.ai Enhanced از زبانهای 99 پشتیبانی می‌کند. تشخیص خودکار زبان درست را برای بیشتر صداها انتخاب می‌کند؛ همچنین می‌توانید آن را برای یک بالا رفتن دقت کوچک دستی مشخص کنید.
STT.ai Enhanced processes audio at about 15.9x real-time on our GPUs. A 1-hour audio file finishes in under 3 minutes; longer files queue and notify by email when done.
STT.ai Enhanced پارامترهای 1.55B دارد. مدل‌های بزرگتر تمایل به دقت بیشتر اما کندتر دارند؛ STT.ai STT.ai Enhanced را در GPU میزبانی می‌کند، بنابراین شمارش پارامترها بر عملکرد سمت کارگزار شما تأثیر نمی‌گذارد.
STT.ai Enhanced هر فرمتی را که STT.ai پشتیبانی می‌کند را می‌پذیرد - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI و دیگران.
بله. نوشتار شنونده در کنار STT.ai Enhanced برای هر رونوشت اجرا می شود — هر شنونده برچسب گذاری شده و می توانید بعداً آنها را در ویرایشگر تغییر نام دهید.
بله. STT.ai Enhanced در زیرساخت خصوصی ما اجرا می‌شود - صدا به صورت پیش‌فرض پردازش و حذف می‌شود. Pro+ رمزگذاری سمت مشتری را اضافه می‌کند تا رونوشت‌ها بدون کلید شما قابل خواندن نباشند، و Private Cloud به شما اجازه می‌دهد که STT.ai Enhanced را کاملاً در VPC خود خود میزبانی کنید.
Use the compare-stt tool to run STT.ai Enhanced against any other supported model on the same audio — you'll see WER, segment count, speaker labels, and confidence scores side-by-side. The STT.ai Enhanced vs Whisper Large V3 comparison is the most commonly run.
بله، در یک برنامه پرداختی. به عنوان پارامتر مدل در نقطه پایانی /v1/transcribe ، "stt-ai-enhanced" را مشخص کنید. کلیدهایی که برنامه فعالی ندارند، در عوض Whisper Large v3 Turbo را ارائه می‌کنند. درخواست همچنان موفق است؛ فقط مدل رایگان را اجرا می‌کند.
بله. چون STT.ai Enhanced دارای مجوز MIT است، شما می‌توانید آن را خودتان میزبانی کنید. صفحهٔ منبع باز STT.ai فهرستی از پروژه و وزن‌ها را ارائه می‌دهد. بیشتر تیم‌های تولید از نسخهٔ میزبانی شده ما برای فراموش کردن خرید GPU، مبادلات مدل و عملیات استفاده می‌کنند.