STT.ai Enhanced
STT.ai го стартува овој модел на платениот ступења. Тоа е моделот зад STT.ai Подобрена. Слободната транскрипција го користи Whisper Large v3 Turbo, што е побрзо.
Види ги плановите →
·
Без шепот Турбо →
4.2%
WER
99
Јазици
15.9x
Брзина
MIT
Лиценца
За STT.ai Enhanced
STT.ai Подобрениот е нашиот најпрецизен и најбрз модел за говор во текст. Изграден на најнапредна архитектура за трансформатори со оптимизација на сопствеништво, дава стапки на индустриска грешка преку 100 + јазици. Идеален за производството на транскрипција, реално време на наслов и претпријатија апликации.
Јазиците што ги поддржува STT.ai Enhanced
✦ Отклучи го подобрениот модел
Дојдете до нашиот најточен модел со секој платен план — шепот големи в3, 99 јазици и дијагностицирање на говорникот.
& Планови за преглед →Инфо за моделот
- ДоставувачOpenAI (hosted by STT.ai)
- Архитектура-
- ЛиценцаMIT
- АжурираноAug 2026
Често поставувани прашања
STT.ai Enhanced is a speech-to-text model by OpenAI (hosted by STT.ai). STT.ai runs it on our own GPU for accounts on a paid plan, and it is the model behind the STT.ai Enhanced tier. Free transcription uses Whisper Large v3 Turbo, the faster checkpoint of the same family.
Според стандардните стандарди, STT.ai Enhanced постигнуваат околу 4.2% проценка на грешките на зборовите. Прецизноста на реалниот свет зависи од квалитетот на звукот, акцентот и јазикот; за бучни или акцентирани снимки, очекуваат неколку проценти повисоко од ВЕР.
STT.ai Enhanced е премиум модел, вклучен со секој платен план STT.ai почнувајќи од $5/ месец. Тој не е достапен на слободен степен: бесплатни и анонимни пренесувања наместо тоа, го извршуваат Whisper Turbo.
STT.ai Enhanced е ослободен под MIT, попустлива лиценца со отворен извор. STT.ai Enhanced може да се води на сопствен хардвер или да се користи нашата домаќинска верзија — и двете се комерцијално употребливи.
STT.ai Enhanced поддржува 99 јазици. Авто- детекција го избира вистинскиот јазик за повеќето аудио; исто така можете рачно да го наведете за малку прецизност.
STT.ai Enhanced процесира аудио на околу 15.9x во реално време на нашите GPU. 1- часовна аудио датотека завршува за помалку од 8802 минути; подолга редица на датотеки и известува со е- пошта кога ќе биде завршена.
STT.ai Enhanced има 8802 параметри. Поголемите модели се поточни, но побавни; STT.ai домаќини STT.ai Enhanced на GPU за броењето на параметрите да не влијае на перформансите на вашиот клиент.
STT.ai Enhanced го прифаќа секој формат STT.ai потпори — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI и други.
Дијаризирањето на звучникот оди заедно со STT.ai Enhanced за секоја транскрипција — секој говорник е означен и потоа можете да ги преименувате во уредникот.
Да. STT.ai Enhanced работи во нашата приватна инфраструктура — аудиото е обработено и избришано стандардно. Pro+ додава криптирање на страна на клиентот така што транскриптите се непрочитани без вашиот клуч, а Приватен Cloud ви овозможува само домаќин STT.ai Enhanced целосно во вашиот VPC.
Користете ја алатката споредба-ст за извршување STT.ai Enhanced против било кој друг поддржан модел на истиот аудио — ќе го видите WER, бројот на сегменти, звучниците и самодоверливите резултати од страна на страна. Поравнувањето STT.ai Enhanced против Whisper Large V3 е најчесто извршено.
Да, на платен план. Наместо тоа, наведете „ stt-ai-enhanced “ како параметр за модел на крајната точка / v1/ transcribe. Клучевите без активен план се сервираат Whisper Large v3 Turbo. Барањето се уште успева; само го извршува слободен модел.
Бидејќи STT.ai Enhanced е 8802-лицензирана, можеш да го водиш. STT.ai-те страници со отворен извор ги набројуваат репо и тежини на проектот. Повеќето производствени тимови ја користат нашата домаќинска верзија за да ја прескокнат набавката на ГПУ, размената на модели и опс.