Atzīmēt ar STT.ai Enhanced
3.2%
WER
100
Valodas
160.0x
Ātrums
Proprietary
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 precīzākajam modelim ar jebkuru apmaksātu plānu. 3,2% WER, 160x reālā laika ātrumu, 100+ valodas.
Skata plāni →Modelis Info
- PiegādātājsSTT.ai
- Arhitektūra-
- LicenceProprietary
- AtjaunotsMar 2026
Bieži uzdoti jautājumi
STT.ai Enhanced ir runas-teksta modelis līdz 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 — iekļauts ar jebkuru apmaksātu STT.ai plāns sākot no $5/mēnesī. Bezmaksas lietotāji var priekšskatījums STT.ai Enhanced uz īsiem klipiem; ilgāk faili prasa aktīvu plānu.
STT.ai Enhanced tiek izplatīts saskaņā ar Proprietary. STT.ai's hosting version hands licencēšanas atbilstību jums tik komerciāla izmantošana, izmantojot mūsu pakalpojumu ir vienkārša.
STT.ai Enhanced atbalsta 100 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 160.0x reāllaikā mūsu GPU. 1 stundu audio fails beidzas zem 1 minūtēm; ilgāka failu rinda un paziņo pa e-pastu, kad izdarīts.
STT.ai Enhanced ir 1.5B 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 līdzās 88 000 par katru transkripciju — katrs runātājs ir marķēts un jūs varat pārdēvēt tos redaktorā pēc tam.
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.
Licencēšana STT.ai Enhanced ir noteikta ar STT.ai; pašapkalpošanās ir atkarīga no to noteikumiem. STT.ai pakalpojumu veic STT.ai Enhanced ar pārvaldītu GPU, tāpēc jums nav nepieciešams rīkoties ar šo integrāciju.