STT.ai Enhanced
STT.ai આ મોડેલને ચૂકવણી સ્તર પર ચલાવે છે. તે STT.ai Enhanced પાછળનું મોડેલ છે. મુક્ત લખાણ બદલાવ Whisper Large v3 Turbo વાપરે છે, જે ઝડપી છે.
યોજનાઓ જુઓ →
·
Whisper Turbo સાથે મુક્ત રીતે લખો →
4.2%
WER
99
ભાષાઓ
15.9x
ઝડપ
MIT
લાઇસન્સ
વિશે STT.ai Enhanced
STT.ai Enhanced એ અમારું સૌથી વધુ ચોક્કસ અને ઝડપી સ્પીક-ટુ-ટેક્સ્ટ મોડેલ છે. વ્યાવસાયિક સુધારણાઓ સાથે અદ્યતન ટ્રાન્સફોર્મર આર્કિટેક્ચર પર બનાવેલ, તે 100+ ભાષાઓમાં ઔદ્યોગિક-આગેવાન શબ્દ ભૂલ દરો પૂરા પાડે છે. ઉત્પાદન અનુવાદ, વાસ્તવિક સમય ઉપશીર્ષકો, અને એન્ટરપ્રાઇઝ કાર્યક્રમો માટે આદર્શ છે.
✦ વધારાનાં મોડેલનું તાળુ ખોલો
કોઈપણ ચૂકવણી યોજના સાથે અમારા સૌથી વધુ ચોક્કસ મોડેલને પ્રાપ્ત કરો - Whisper large-v3, 99 ભાષાઓ, અને સ્પીકર ડાયરાઇઝેશન.
યોજનાઓ જુઓ →મોડેલ જાણકારી
- પૂરૂં પાડનારOpenAI (hosted by STT.ai)
- આર્કિટેક્ચર-
- લાઇસન્સMIT
- સુધારેલAug 2026
વારંવાર પૂછાતા પ્રશ્નો
STT.ai Enhanced એ OpenAI (hosted by STT.ai) દ્દારા બોલી-થી-લખાણ મોડેલ છે. STT.ai એ તેને ચૂકવણી યોજના પર ખાતાઓ માટે આપણા પોતાના GPU પર ચલાવે છે, અને તે STT.ai સુધારેલ સ્તરની પાછળનું મોડેલ છે. મુક્ત અનુવાદ Whisper Large v3 Turbo વાપરે છે, તે જ કુટુંબનું ઝડપી ચકાસણીબિંદુ.
પ્રમાણભૂત બેન્ચમાર્ક પર, STT.ai Enhanced એ 4.2% શબ્દ ભૂલ દરને આસપાસ મેળવે છે. વાસ્તવિક-વિશ્વની ચોકસાઈ ઓડિયો ગુણવત્તા, ઉચ્ચારણ અને ભાષા પર આધારિત છે; ધુમાડાવાળા અથવા ઉચ્ચારણવાળા રેકોર્ડિંગ માટે, થોડા ટકા પોઇન્ટ્સ ઊંચા WER ની અપેક્ષા રાખો.
STT.ai Enhanced એ પ્રીમિયમ મોડેલ છે - $9/મહિનાથી શરૂ થતા કોઈપણ ચૂકવણી STT.ai યોજના સાથે સમાવેશ થાય છે. તે મફત સ્તરે ઉપલબ્ધ નથી: મફત અને અનન્ય અપલોડ્સ બદલે Whisper Turbo ચલાવો.
STT.ai Enhanced MIT ની નીચે બહાર પાડવામાં આવે છે, એક પરવાનગી આપતી ઓપન-સોર્સ લાઇસન્સ. તમે તમારા પોતાના હાર્ડવેરમાં STT.ai Enhanced ને સ્વયં-હોસ્ટ કરી શકો છો અથવા અમારી હોસ્ટ કરેલ આવૃત્તિનો ઉપયોગ કરી શકો છો - બંને વાણિજ્યિક રીતે ઉપયોગી છે.
STT.ai Enhanced 99 ભાષાઓને આધાર આપે છે. આપમેળે-શોધ એ મોટાભાગના ઓડિયો માટે સાચી ભાષા પસંદ કરે છે; તમે તેને નાની ચોકસાઈ માટે જાતે પણ સ્પષ્ટ કરી શકો છો.
STT.ai Enhanced ઓડિયો પ્રક્રિયાઓ અમારા GPUs પર 15.9x વાસ્તવિક સમય પર. 1-કલાકની ઓડિયો ફાઈલ 3 મિનિટમાં સમાપ્ત થાય છે; લાંબી ફાઈલો કતારમાં અને જ્યારે પૂર્ણ થાય ત્યારે ઈમેઈલ દ્વારા સૂચિત કરે છે.
STT.ai Enhanced પાસે 1.55B પરિમાણો છે. મોટા મોડેલો વધુ ચોક્કસ હોય છે પરંતુ ધીમા; STT.ai GPU પર STT.ai Enhanced યજમાન છે તેથી પરિમાણ ગણતરી તમારી ક્લાયન્ટ-સાઇડ કાર્યક્ષમતા અસર કરતી નથી.
STT.ai Enhanced દરેક બંધારણને સ્વીકારે છે કે જે STT.ai આધાર આપે છે — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, અને અન્ય. આઉટપુટ TXT, SRT, VTT, DOCX, JSON, અથવા PDF તરીકે.
હા. સ્પીકર ડેટાબેઝ દરેક અનુવાદ માટે STT.ai Enhanced ની સાથે ચાલે છે - દરેક સ્પીકર ને લેબલ કરેલ છે અને તમે પછી સંપાદકમાં તેનું નામ બદલી શકો છો.
હા. STT.ai Enhanced અમારા ખાનગી ઇન્ફ્રાસ્ટ્રક્ચરમાં ચાલે છે - ઓડિયો મૂળભૂત રીતે પ્રક્રિયા કરેલ અને કાઢી નાખેલ છે. Pro+ ક્લાયન્ટ-સાઇડ એનક્રિપ્શન ઉમેરે છે તેથી ટ્રાન્સક્રિપ્ટ્સ તમારી કી વગર વાંચી શકાતા નથી, અને ખાનગી કલાઉડ તમને તમારા પોતાના VPC માં સંપૂર્ણપણે સ્વયં-યજમાન STT.ai Enhanced ને પરવાનગી આપે છે.
STT.ai Enhanced ને કોઈપણ અન્ય આધારભૂત મોડેલ સામે એ જ ઓડિયો પર ચલાવવા માટે સરખામણી-stt સાધનનો ઉપયોગ કરો - તમે WER, સેગમેન્ટ ગણતરી, સ્પીકર લેબલ્સ, અને વિશ્વાસ સ્કોર બાજુ-બે-બાજુ જોશો. STT.ai Enhanced વિ Whisper Large V3 સરખામણી સૌથી સામાન્ય રીતે ચલાવે છે.
હા, ચૂકવણી કરેલ યોજના પર. /v1/transcribe અંતિમબિંદુ પર મોડેલ પરિમાણ તરીકે "stt-ai-enhanced" સ્પષ્ટ કરો. સક્રિય યોજના વગરની કીઓ એ બદલે Whisper Large v3 Turbo સેવા આપે છે. વિનંતી હજુ સફળ થાય છે; તે ફક્ત મુક્ત મોડેલ ચલાવે છે.
હા. કારણ કે STT.ai Enhanced એ MIT-લાઇસન્સ થયેલ છે, તમે તેને સ્વયં-હોસ્ટ કરી શકો છો. STT.ai નું ઓપન-સોર્સ પાનું પ્રોજેક્ટ રેપો અને વજનોની યાદી કરે છે. મોટાભાગના ઉત્પાદન ટીમો GPU ખરીદી, મોડેલ સ્વેપ અને ઓપસને છોડવા માટે અમારી યજમાન આવૃત્તિ વાપરે છે.