Atzīmēt ar STT.ai Enhanced
4.2%
WER
99
Valodas
15.9x
Ātrums
MIT
Licence
Par STT.ai Enhanced
STT.ai Pastiprināts ir mūsu visprecīzākais un ātrākais runas uz tekstu modelis. Builted uz modernāko transformatoru arhitektūru ar patentētu optimizāciju, tas nodrošina nozares vadošo vārdu kļūdu biežumu 100+ valodās. Ideāli piemērots ražošanas transkripcijai, reālā laika parakstīšanai un uzņēmumu lietojumprogrammām.
✦ Nebloķēts uzlabots modelis
Iegūstiet piekļuvi mūsu visprecīzākais modelis ar jebkuru apmaksātu plānu — Whisper lielv3, 99 valodas, un skaļrunis.
Skata plāni →Modelis Info
- PiegādātājsOpenAI (hosted by STT.ai)
- Arhitektūra-
- LicenceMIT
- AtjaunotsAug 2026
Bieži uzdoti jautājumi
STT.ai Enhanced ir runas-teksta modelis līdz OpenAI (hosted by STT.ai). STT.ai uzstādā STT.ai Enhanced mūsu GPU infrastruktūrā, lai jūs varētu to izmantot, nenodrošinot savu aparatūru — augšupielādēt audio vai video un izvēlēties STT.ai Enhanced no modeļa izvēlētājs.
Par standarta etaloniem 8801% sasniedz aptuveni 8801% vārdu kļūdu rādītājs. Reālā pasaules precizitāte ir atkarīga no audio kvalitātes, akcenta un valodas; trokšņainiem vai izceltiem ierakstiem, sagaida dažus procentu punktus augstāka WER.
STT.ai Enhanced ir premium modelis — iekļauta ar jebkuru samaksāto STT.ai plānu sākot no $ 5 mēnesī. Tas nav pieejams bezmaksas līmenī: bezmaksas un anonīmi augšupielādes pa Whisper Turbo vietā.
STT.ai Enhanced tiek izlaists zem MIT, atļautā atvērtā pirmkoda licence. Jūs varat paša-host STT.ai Enhanced uz savu aparatūru vai izmantot mūsu hostinga versiju — abi ir komerciāli izmantojami.
STT.ai Enhanced atbalsta 99 valodas. Auto-noteikšana izvēlas pareizo valodu lielākajai daļai audio; jūs varat arī norādīt to manuāli, lai mazs precizitātes pacēlājs.
STT.ai Enhanced apstrādā audio apmēram 15.9x reāllaikā mūsu GPU. 1 stundu audio fails beidzas zem 3 minūtēm; ilgāka failu rinda un paziņo pa e-pastu, kad izdarīts.
STT.ai Enhanced ir 1.55B parametri. Lielāki modeļi mēdz būt precīzāki, bet lēnāki; STT.ai saimnieki STT.ai Enhanced par GPU, tāpēc parametru skaits neietekmē jūsu klientu veiktspēju.
STT.ai Enhanced pieņem katru formātu STT.ai atbalsta - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI un citi. Izlaide kā TXT, SRT, VTT, DOCX, JSON, vai PDF.
Jā. Skaļruņa diarizācija notiek kopā ar STT.ai Enhanced katram transkripcijam — katrs runātājs ir marķēts un pēc tam to var pārdēvēt redaktorā.
Jā. STT.ai Enhanced darbojas mūsu privātajā infrastruktūrā — audio tiek apstrādāts un dzēsts pēc noklusējuma. Pro+ pievieno klienta puses šifrēšanu, lai transkripti ir nelasāmi bez jūsu atslēgas, un Private Cloud ļauj jums patstāvīgi STT.ai Enhanced pilnībā jūsu VPC.
Izmantojiet salīdzināšanas-stt rīku, lai palaistu STT.ai Enhanced pret jebkuru citu atbalstīto modeli tajā pašā audio — jūs redzēsiet WER, segmentu skaitu, skaļruņu etiķetes un uzticamības punktus blakus-by-by. STT.ai Enhanced vs Whisper Lielo V3 salīdzinājums ir visbiežāk palaist.
Jā. Norādīt "stt-ai-enhanced" kā modeļa parametru /v1/tractor galapunktā. Python un Node.js SDK ietver STT.ai Enhanced piemērus. Bezmaksas API līmenis ietver 100 minūtes/mēnesi.
Jā. Tā kā STT.ai Enhanced ir licences MIT, jūs varat paši-host to. STT.ai atvērtā pirmkoda lapā uzskaitīti projekta repo un svaru. Lielākā daļa ražošanas komandas izmanto mūsu hostinga versiju, lai izlaistu GPU iepirkumu, modeļu mijmaiņas darījumi, un opcijas.