यससँग प्रतिलिपि गर्नुहोस् STT.ai Enhanced
4.2%
WER
99
भाषा
15.9x
गति
MIT
इजाजतपत्र
यसका बारेमा STT.ai Enhanced
STT.ai उन्नत हाम्रो सबैभन्दा सटीक र छिटो भाषण-देखि-पाठ मोडेल हो। स्वामित्व अनुकूलन संग cutting-edge ट्रान्सफर आर्किटेक्चर मा निर्मित, यो 100+ भाषाहरु मार्फत उद्योग-प्रमुख शब्द त्रुटि दरहरू प्रदान गर्दछ। उत्पादन अनुक्रमण, वास्तविक-समय शीर्षक, र उद्यम अनुप्रयोगहरूको लागि आदर्श।
✦ बढाइएको नमूना ताल्चा खोल्नुहोस्
कुनै पनि भुक्तानी योजना संग हाम्रो सबैभन्दा सही मोडेल पहुँच प्राप्त - Whisper ठूलो-v3, 99 भाषाहरू, र वक्ता diarization.
योजना हेर्नुहोस् →नमूना सूचना
- प्रदायकOpenAI (hosted by STT.ai)
- वास्तुकला-
- इजाजतपत्रMIT
- अद्यावधिक गर्नुहोस्Aug 2026
प्राय सोधिने प्रश्नहरू
STT.ai Enhanced OpenAI (hosted by STT.ai) द्वारा एक भाषण-देखि-पाठ मोडेल हो। STT.ai हाम्रो GPU पूर्वाधारमा STT.ai Enhanced होस्ट गर्दछ ताकि तपाईं आफ्नो हार्डवेयरको प्रावधान बिना यसलाई प्रयोग गर्न सक्नुहुन्छ - अडियो वा भिडियो अपलोड गर्नुहोस् र मोडेल चयनकर्ताबाट STT.ai Enhanced चयन गर्नुहोस्।
मानक बेन्चमार्क मा, STT.ai Enhanced वरिपरि 4.2% शब्द त्रुटि दर प्राप्त गर्दछ। वास्तविक-विश्व सटीकता अडियो गुणस्तर, उच्चारण, र भाषा निर्भर गर्दछ; हल्ला वा उच्चारण रेकर्ड लागि, केही प्रतिशत अंक उच्च WER अपेक्षा।
STT.ai Enhanced एक प्रिमियम मोडेल हो - कुनै पनि भुक्तानी STT.ai योजना संग समावेश $5/महिना मा सुरु. यो निःशुल्क तह मा उपलब्ध छैन: नि: शुल्क र बेनामी अपलोडहरू सट्टा Whisper Turbo चलाउनुहोस्।
STT.ai Enhanced MIT, एक permissive खुला स्रोत लाइसेन्स अन्तर्गत जारी गरिएको छ। तपाईं आफ्नो हार्डवेयर मा स्व-होस्ट गर्न सक्नुहुन्छ STT.ai Enhanced वा हाम्रो होस्ट गरिएको संस्करण प्रयोग गर्नुहोस् - दुवै व्यावसायिक रूपमा प्रयोग गर्न सकिन्छ।
STT.ai Enhanced ले 99 भाषाहरू समर्थन गर्दछ । स्वचालित पत्ता लगाउनले धेरै अडियोका लागि सही भाषा चयन गर्दछ; तपाईँले सानो सटीकता लिफ्टका लागि यसलाई म्यानुअल रूपमा पनि निर्दिष्ट गर्न सक्नुहुन्छ ।
STT.ai Enhanced हाम्रो GPUs मा 15.9x वास्तविक समयमा अडियो प्रक्रिया गर्दछ। एक 1-घण्टा अडियो फाइल 3 मिनेट अन्तर्गत समाप्त हुन्छ; लामो फाइलहरू लामबद्ध र इमेल द्वारा सूचना दिनुहोस् जब यो पूरा हुन्छ।
STT.ai Enhanced मा 1.55B परिमितिहरू छन्। ठूला नमूनाहरू अधिक सटीक तर ढिलो हुन्छन्; STT.ai ले GPU मा STT.ai Enhanced होस्ट गर्दछ त्यसैले परिमिति गणनाले तपाईँको क्लाइन्ट-साइड प्रदर्शनलाई असर गर्दैन।
STT.ai Enhanced हरेक ढाँचा स्वीकार गर्दछ STT.ai समर्थन - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, र अन्य. TXT, SRT, VTT, DOCX, JSON, वा PDF रूपमा निर्गत।
हो. वक्ता diarization साथै चल्छ STT.ai Enhanced हरेक प्रतिलिपि लागि — प्रत्येक वक्ता लेबल छ र तपाईं पछि सम्पादक तिनीहरूलाई पुन: नाम गर्न सक्नुहुन्छ.
हो। STT.ai Enhanced हाम्रो निजी पूर्वाधार चल्छ - अडियो प्रक्रिया र पूर्वनिर्धारित द्वारा मेटिएको छ। प्रो + क्लाइन्ट-साइड गुप्तिकरण थप्छ त्यसैले transcripts आफ्नो कुञ्जी बिना पढ्नयोग्य छन्, र निजी क्लाउड तपाईंलाई पूर्ण रूपमा आफ्नो VPC मा आत्म-होस्ट STT.ai Enhanced दिन्छ।
तुलना-STT उपकरण प्रयोग गर्न STT.ai Enhanced उही अडियो मा कुनै पनि अन्य समर्थित मोडेल विरुद्ध चलाउन - तपाईं WER देख्नेछन्, खण्ड गणना, वक्ता लेबल, र आत्मविश्वास स्कोर साइड-by-साइड. को STT.ai Enhanced विरुद्ध Whisper ठूलो V3 तुलना सबैभन्दा सामान्यतया चलाउन छ.
हो । /v1/transcribe अन्त बिन्दुमा मोडेल परिमितिको रूपमा "stt-ai-enhanced" निर्दिष्ट गर्नुहोस् । पाइथन र Node.js SDKs STT.ai Enhanced उदाहरण समावेश गर्दछ । निःशुल्क API तहमा 100 मिनेट / महिना समावेश छ ।
हो। किनभने STT.ai Enhanced MIT-लाइसेन्स गरिएको छ, तपाईं यसलाई स्व-होस्ट गर्न सक्नुहुन्छ। STT.ai को खुला स्रोत पृष्ठले परियोजना रिपो र वजन सूचीबद्ध गर्दछ। अधिकांश उत्पादन टोलीहरूले जीपीयू खरिद, मोडेल स्वीप र ओपीएस छोड्न हाम्रो होस्ट गरिएको संस्करण प्रयोग गर्दछ।