Transkriptión STT.ai Enhanced
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 er ein tal-til-tekst-modell frá OpenAI (hosted by STT.ai). STT.ai er hýsa fyri STT.ai Enhanced á okkara GPU-infrakervi, so tú kanst brúka tað uttan at gera títt egna hardware tilfar - senda inn ljóð ella video og vel STT.ai Enhanced frá model-veljaranum.
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 model - innifalið við hvørjum STT.ai plani, sum byrjar við $5/mánað. Tað er ikki til at fáa á fría tier: 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. Tilgreina "stt-ai-enhanced" sum modelparameter á /v1/transcribe endapunktinum. Python og Node.js SDK'ir innihalda STT.ai Enhanced dømi. Frítt API-stig fevnir um 100 minuttir/mánað.
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.