Määrää STT.ai Enhanced
4.2%
WER
99
Kielet
15.9x
Nopeus
MIT
Lisenssi
Tietoja STT.ai Enhanced
STT.ai Enhanced on tarkin ja nopein puheento-text-mallimme. Se on rakennettu huippuluokan muuntajaarkkitehtuurille, jossa on oma optimointi, ja se tarjoaa alan johtavia sanavirhemääriä yli 100 kielelle. Ihanteellinen tuotannon transkriptioon, reaaliaikaiseen kuvatekstiin ja yrityssovelluksiin.
✦ Avaa parannettu malli
Tutustu tarkimpaan malliimme millä tahansa maksullisella suunnitelmalla – Whisper large-v3, 99 kieltä ja kaiuttimen diarisointi.
Näkymä suunnitelmista →Malli-info
- TarjoajaOpenAI (hosted by STT.ai)
- Arkkitehtuuri-
- LisenssiMIT
- PäivitettyAug 2026
Usein kysyttyjä kysymyksiä
STT.ai Enhanced on OpenAI (hosted by STT.ai):n puheesta tekstiin -malli. STT.ai isännöi STT.ai Enhanced:ta GPU-infrastruktuurissamme, joten voit käyttää sitä ilman, että varaat omia laitteitasi – lataat äänen tai videon ja valitset STT.ai Enhanced mallinnostolaitteesta.
Standardimittauksissa STT.ai Enhanced saavuttaa noin 8801 prosentin Word Error Rate -arvon. Todellisen maailman tarkkuus riippuu äänenlaadusta, aksentista ja kielestä; äänekkäiden tai korostuneiden äänitteiden osalta WER:n odotetaan olevan muutaman prosenttiyksikön korkeampi.
STT.ai Enhanced on premium-malli, johon sisältyy minkä tahansa maksullisen STT.ai dollarin suunnitelman mukainen, joka alkaa 5 dollarista kuukaudessa. Sitä ei ole saatavilla ilmaisella tasolla: sen sijaan Whisper Turboa käytetään ilmaiseksi ja nimettömästi.
STT.ai Enhanced julkaistaan sallivan avoimen lähdekoodin lisenssin alla. Voit itse isännöidä STT.ai Enhanced:ta omalla laitteistollasi tai käyttää isäntäversiotamme – molemmat ovat kaupallisesti käyttökelpoisia.
STT.ai Enhanced tukee 99 kieltä. Automaattinen havainnointi valitsee oikean kielen useimmille äänille; voit myös määrittää sen manuaalisesti pientä tarkkuusnosturia varten.
STT.ai Enhanced prosessorin äänentoisto noin 15.9x reaaliaikaisesti GPU:issa. Tunnin äänitiedosto valmistuu alle 3 minuutissa, pidempi tiedostojono ja ilmoitus sähköpostitse, kun se on tehty.
STT.ai Enhanced:ssa on 1.55B parametria. Suuremmat mallit ovat yleensä tarkempia, mutta hitaampia; STT.ai isännöi STT.ai Enhanced:a GPU:ssa, joten parametrien määrä ei vaikuta asiakaspuolen suorituskykyyn.
STT.ai Enhanced hyväksyy jokaisen formaatin STT.ai tukea: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI ja muut. Tuotos on TXT, SRT, VTT, DOCX, JSON tai PDF.
Kyllä. Kaiuttimen diarisointi kulkee STT.ai Enhanced:n rinnalla jokaista transkriptiota kohden – jokainen puhuja on merkitty, ja voit nimetä sen myöhemmin uudelleen päätoimittajaksi.
Kyllä. STT.ai Enhanced toimii yksityisessä infrastruktuurissamme – ääni käsitellään ja poistetaan oletuksena. Pro+ lisää asiakaspuolen salauksen, joten selostuksia ei voi lukea ilman avainta, ja Private Cloud antaa sinun isännöidä STT.ai Enhanced:ta kokonaan omassa VPC:ssäsi.
Verrattuna ensimmäiseen työkaluun voit ajaa STT.ai Enhanced muuta saman äänen avulla tuettua mallia vastaan – näet WER:n, segmentin, kaiuttimen tarroja ja itseluottamuspisteitä vierekkäin. STT.ai Enhanced vs. Whisper Large V3 -vertailu on yleisin.
Kyllä. Määrittele "stt-ai-enhanced" mallimuuttujaksi /v1/transcribe-päätetapahtumassa. Python ja Node.js SDKs sisältävät STT.ai Enhanced esimerkkiä. Vapaa API-taso sisältää 100 minuuttia kuukaudessa.
Kyllä. Koska STT.ai Enhanced on MIT-lisensoitu, voit itse isännöidä sitä. STT.ai:n avoimen lähdekoodin sivulla on listattu projektin repo ja painot. Useimmat tuotantoryhmät käyttävät isäntäversiotamme jättääkseen GPU-hankinnat, mallivaihdot ja opsit väliin.