転写 STT.ai Enhanced
3.2%
WER
100
言語
160.0x
スピード
Proprietary
ライセンス
情報 STT.ai Enhanced
STT.ai Enhancedは最も正確で高速な音声テキストモデルであり，最先端のトランスフォーマアーキテクチャと独自の最適化を組み込んで，100以上の言語で業界をリードする単語誤り率を実現しています。プロダクション転写，リアルタイム字幕，および企業アプリケーションに適しています。
モデル情報
- プロバイダSTT.ai
- 建築-
- ライセンスProprietary
- 更新Mar 2026
よくある質問
STT.aiはSTT.ai EnhancedをGPUインフラストラクチャ上にホストしており、自分のハードウェアをプロビジョニングすることなく使用できます。オーディオやビデオをアップロードし、モデルピックアップからSTT.ai Enhancedを選択します。
標準ベンチマークでは、STT.ai Enhancedは約3.2%のワードエラー率を達成しています。実際の精度は音声品質、アクセント、言語に依存します。ノイズやアクセントのある録音の場合、数パーセント高いWERを期待してください。
STT.ai Enhanced is a premium model — included with any paid STT.ai plan starting at $5/month. Free users can preview STT.ai Enhanced on short clips; longer files require an active plan.
STT.aiのホスト版はライセンスの遵守を取り扱うので、私たちのサービスを通じて商用利用は簡単です。
STT.ai Enhanced は 100 言語をサポートします。自動検出はほとんどのオーディオに適した言語を選択します。手動で指定することもできます。
STT.ai EnhancedはGPU上で音声を約160.0xのリアルタイムで処理します。1時間の音声ファイルは1分以下で終了します。長いファイルはキューに並び、完了したらメールで通知します。
STT.ai Enhanced には 1.5B パラメータがあります。より大きなモデルはより正確ですが、遅い傾向にあります。STT.ai は GPU 上で STT.ai Enhanced をホストしていますので、パラメータ数はクライアント側の性能に影響しません。
STT.ai EnhancedはSTT.aiがサポートするすべてのフォーマットを受け入れます。MP3、WAV、M4A、FLAC、OGG、MP4、MKV、MOV、WebM、AVIなど。出力はTXT、SRT、VTT、DOCX、JSON、PDFです。
はい。スピーカーダイアリゼーションはSTT.ai Enhancedと共に実行されます。各スピーカーはラベル付きで、後でエディタで名前を変更できます。
STT.ai Enhancedは私たちのプライベートインフラで動作します - オーディオはデフォルトで処理され削除されます - Pro+はクライアント側の暗号化を追加し、転写はあなたの鍵なしでは読み取れません - Private CloudはSTT.ai Enhancedを完全に自分のVPCでセルフホストできます
STT.ai Enhancedと同じオーディオでサポートされている他のモデルを比較するには compare-stt ツールを使用してください。WER、セグメント数、スピーカーラベル、信頼度スコアが並んで表示されます。STT.ai Enhancedと Whisper Large V3 の比較が最もよく行われます。
はい。 /v1/transcribe エンドポイントにモデルパラメータとして"stt-ai-enhanced"を指定してください。PythonとNode.js SDKにはSTT.ai Enhancedの例が含まれています。無料のAPIは月間100分の利用が含まれています。
STT.aiのホストサービスは、STT.ai Enhancedを管理されたGPU上で動作させるため、統合を行う必要はありません。