STT.ai Enhanced
STT.ai runs this model on the paid tier. It is the model behind STT.ai Enhanced. Free transcription uses Whisper Large v3 Turbo, which is faster.
Se planer →
·
Sí miðlasavnið »Turkey« í Wikimedia Commons. →
4.2%
WER
99
Languages
15.9x
Speed
MIT
License
Um STT.ai Enhanced
STT.ai Enhanced er okkara mest nákvæma og skjótasta tal- til- tekst- skipan. Bygd á framkomna transformator- arkitektur við egnum optimeringum, og hon veitir eitt ógvuliga gott orðfeils- støði á 100+ tungumálum. Tilvalið til framleiðslu av transkriptión, undirteksting í sanntíð og fyritøku- skipanir.
Spøl, ið eru stuðlað av STT.ai Enhanced
✦ Unlock Enhanced Model
Get access to our most accurate model with any paid plan — Whisper large-v3, 99 languages, and speaker diarization.
View Plans →Model info
- ProviderOpenAI (hosted by STT.ai)
- Arkitektur-
- LicenseMIT
- OppdatertAug 2026
Ofta settir spurningar
STT.ai Enhanced is a speech-to-text model by OpenAI (hosted by STT.ai). STT.ai runs it on our own GPU for accounts on a paid plan, and it is the model behind the STT.ai Enhanced tier. Free transcription uses Whisper Large v3 Turbo, the faster checkpoint of the same family.
STT.ai Enhanced hevur eina orðfeilstíð uppá umleið 4.2% í standard próvtøkum. Real-world accuracy depends on audio quality, accent, and language; for noisy or accented recordings, expect a few percentage points higher WER.
STT.ai Enhanced er ein premium-modell, sum er við í hvørjum gjaldandi STT.ai-plani, sum byrjar við $5/mánað. Tað er ikki tiltækt á fría stiginum: fríar og anonymar upplatingar koyra Whisper Turbo í staðin.
STT.ai Enhanced er útgivið undir MIT, einari permissivari opnari upprunaloyvisskipan. Tú kanst sjálvur vera vertur fyri STT.ai Enhanced á tínum egna maskinvara ella brúka okkara vertur útgávu — báðar eru kommersielt nýtiligar.
STT.ai Enhanced stuðlar 99 málum. Auto-discover velur rætta málið fyri flestu ljóðini. Tú kanst eisini velja tað manuelt fyri at fáa eina lítla øgiligari nákvæmni.
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 hevur 1.55B parametrar. Størri modeller hava til at vera meira nákvæmar, men hægri; STT.ai hevur STT.ai Enhanced á GPU, so parameter-talið hevur ikki ávirkan á klient-síðuna.
STT.ai Enhanced tekur ímóti øllum sniðum, sum STT.ai stuðlar — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, og onnur. Úttøka sum TXT, SRT, VTT, DOCX, JSON, ella PDF.
Ja. Speaker diarization runs alongside STT.ai Enhanced for every transcription — each speaker is labelled and you can rename them in the editor afterwards.
Ja. STT.ai Enhanced koyrir í okkara privatu infrakervi — ljóð verður viðgjørt og slettað sum standard. Pro+ leggur til klient-side kryptering, so at transkriptiónir eru ólesandi uttan tín lykil, og Private Cloud letur teg sjálv-hýsa STT.ai Enhanced heilt í tínum egna VPC.
No 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.
Ja, á einari gjaldsskipan. Tilgreina "stt-ai-enhanced" sum modelparameter á /v1/transcribe endapunktinum. Nýttir uttan eina virkna skipan verða ístaðin hýstir við Whisper Large v3 Turbo. Fyrispurningin er enntá væleydnað; hon koyrir bara fría skipanina.
Ja. Tí STT.ai Enhanced er MIT-licensed, tú kanst self-host it. STT.ai's open-source page lists the project repo and weights. Most production teams use our hosted version to skip GPU procurement, model swaps, and ops.