Atsekti STT.ai Enhanced
4.2%
WER
99
Kalbos
15.9x
Greitis
MIT
Licencija
Apie STT.ai Enhanced
STT.ai Patobulintas yra mūsų tiksliausias ir greičiausias kalbėjimo į tekstą modelis. Pastatytas į pažangiausius transformatorių architektūrą su patentuota optimizacija, jis suteikia pramonės pirmaujančių žodžio klaidų dažnis 100+ kalbomis. Idealiai tinka gamybos transkripcija, realaus laiko parašymas, ir įmonių taikomosios programos.
✦ Išjungti patobulintą modelį
Gauti prieigą prie mūsų tiksliausias modelis su bet kokio mokamo plano — Whisper didelis-v3, 99 kalbos, ir garsiakalbis Diarization.
Peržiūrėti planus →Pavyzdinės informacijos
- TeikėjasOpenAI (hosted by STT.ai)
- Architektūra-
- LicencijaMIT
- AtnaujintaAug 2026
Dažnai užduodami klausimai
STT.ai Enhanced yra kalbos-teksto modelis iki OpenAI (hosted by STT.ai). STT.ai savo GPU infrastruktūroje sumontuoti STT.ai Enhanced, todėl jį galite naudoti neįrengdami savo techninės įrangos – įkelkite garso ar vaizdo ir pasirinkite STT.ai Enhanced iš modelio parinkiklis.
Dėl standartinių lyginamųjų standartų, STT.ai Enhanced pasiekia apie 8801% Word error Rate. Realaus pasaulio tikslumas priklauso nuo garso kokybės, akcentas, ir kalba; Triukšmingų ar akcentuotų įrašų, tikėtis keletą procentinių punktų didesnis WER.
STT.ai Enhanced yra premium modelis — įtraukti su bet kuriuo mokamas STT.ai planas prasideda $5 mėnesį. Nėra laisvoje pakopoje: nemokamai ir anonimiškai įkelia paleisti Whisper Turbo vietoj.
STT.ai Enhanced yra išleistas pagal MIT, leistina atviro kodo licencija. Galite savarankiškai-host STT.ai Enhanced ant savo aparatūros arba naudoti mūsų palaikomą versiją - abu yra komerciškai naudoti.
STT.ai Enhanced palaiko 99 kalbas. Automatinis aptikimas pasirenka reikiamą kalbą daugumai garso; taip pat galite nurodyti ją rankiniu būdu nedideliam tikslumui pakelti.
STT.ai Enhanced apdoroja garsą maždaug 15.9x realiu laiku mūsų GPU. 1 valandos garso failas baigiasi po 3 minučių; ilgesnis failų eilė ir apie tai praneš el. paštu, kai tai bus padaryta.
STT.ai Enhanced turi 1.55B parametrus. Didesni modeliai yra tikslesni, bet lėčiau; STT.ai GPU mazgai STT.ai Enhanced, todėl parametrų skaičius neturi įtakos Jūsų klientų veiklos rezultatams.
STT.ai Enhanced priima kiekvieną formatą STT.ai palaiko: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI ir kt. Išvesti kaip TXT, SRT, VTT, DOCX, JSON, arba PDF.
Taip. Garsiakalbio diarizacija veikia šalia STT.ai Enhanced kiekvienam transkripcija – kiekvienas garsiakalbis yra pažymėtas ir galite pervadinti juos redaktoriuje po to.
Taip. STT.ai Enhanced veikia mūsų privačioje infrastruktūroje – garso yra apdorojamas ir ištrintas pagal numatytąjį. Pro+ prideda kliento pusės šifravimo, todėl transkriptai yra neįskaitomi be jūsų rakto, ir Private Cloud leidžia jums savarankiškai STT.ai Enhanced visiškai savo VPC.
Naudokite palyginimo-stt įrankis paleisti STT.ai Enhanced prieš bet kurį kitą palaikomą modelį tame pačiame garso — pamatysite WER, segmentų skaičių, garsiakalbių etiketes ir pasitikėjimo balus šalia-by-by. STT.ai Enhanced palyginti Whisper didelis V3 yra dažniausiai paleisti.
Taip. Nurodykite "stt-ai-enhanced" kaip modelio parametrą /v1/tractor parametrą. Python ir Node.js SDK yra STT.ai Enhanced pavyzdžiai. Nemokama API pakopa apima 100 minučių/mėnesį.
Taip. Kadangi STT.ai Enhanced yra MIT-licencijuotas, galite patys-host jį. STT.ai atviro kodo puslapis išvardija projekto atpirkimo ir svorius. Dauguma gamybos komandos naudoja mūsų įdiegtą versiją praleisti GPU pirkimų, modelių apsikeitimo, ir ops.