Transcribe z STT.ai Enhanced
4.2%
WER
99
Języki
15.9x
Prędkość
MIT
Licencja
O tematie STT.ai Enhanced
STT.ai Advanced to nasz najbardziej precyzyjny i najszybszy model mowy do tekstu. Zbudowany na najnowszej architekturze transformatora z optymalizacjami zastrzeżonymi, dostarcza najwyższe wskaźniki błędów słownych w branży w 100+ językach. Idealny do transkrypcji produkcji, podpisów w czasie rzeczywistym i aplikacji biznesowych.
Języki wspierane przez STT.ai Enhanced
✦ Odblokuj rozszerzony model
Dostęp do naszego najprecyzniejszego modelu z dowolnym planem płatnym — Whisper big-v3, 99 języków, i głośnik diaryzacji.
Widok planów →Informacje o wzorze
- DostawcaOpenAI (hosted by STT.ai)
- Architektura-
- LicencjaMIT
- UaktualnioneAug 2026
Często zadawane pytania
STT.ai Enhanced jest modelem mowy do tekstu przez OpenAI (hosted by STT.ai). STT.ai hosts STT.ai Enhanced na naszej infrastrukturze GPU, dzięki czemu można go wykorzystać bez dostarczania własnego sprzętu – wyślij audio lub wideo i wybierz STT.ai Enhanced z wybieracza modeli.
W odniesieniu do standardowych poziomów odniesienia STT.ai Enhanced osiąga około 4.2% Błędów Word. Dokładność rzeczywistego świata zależy od jakości dźwięku, akcentu i języka; w przypadku głośnych lub akcentowanych nagrań, oczekuje się kilku punktów procentowych wyższych WER.
STT.ai Enhanced to model premium – włączony z dowolnym zapłaconym STT.ai planem rozpoczynającym się o 5 dolarów/miesiąc. Nie jest dostępny na bezpłatnym poziomie: bezpłatne i anonimowe przesyłki uruchomić Whisper Turbo.
STT.ai Enhanced jest wydane pod MIT, licencja otwartego źródła. Można samodzielnie gospodarować STT.ai Enhanced na własnym sprzętie lub korzystać z naszej hospodowanej wersji – obie są komercyjne użyteczne.
STT.ai Enhanced obsługuje 99 języków. Automatyczne wykrywanie wybiera właściwy język dla większości audio; można również wskazywać go ręcznie dla małego podnoszenia dokładności.
STT.ai Enhanced procesów audio w około 15.9x w czasie rzeczywistym na naszych GPU. 1-godzinny plik audio zakończy się w mniej niż 8802 minut; dłuższa kolejka plików i powiadomić za pośrednictwem e-maila.
STT.ai Enhanced ma 8802 parametrów. Większe modele są zazwyczaj bardziej dokładne, ale wolniej; STT.ai hostów STT.ai Enhanced w GPU, tak aby liczba parametrów nie wpływała na wydajność klienta.
STT.ai Enhanced akceptuje każdy format obsługi STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI i inne. Wynik jako TXT, SRT, VTT, DOCX, JSON lub PDF.
Tak. Dializacja głośnika biegnie obok STT.ai Enhanced dla każdej transkrypcji — każdy głośnik jest oznaczony i można je później zmienić w edytorze.
Tak. STT.ai Enhanced uruchamia w naszej prywatnej infrastrukturze — audio jest przetwarzane i usuwane domyślnie. Pro+ dodaje szyfrowanie klienta, tak że transkrypty są nieczytelne bez klucza, a Private Cloud pozwala na samodzielnego hosta STT.ai Enhanced w własnym VPC.
Użyj narzędzia porównania-stt, aby uruchomić STT.ai Enhanced w stosunku do jakiegokolwiek innego modelu obsługiwanego w tym samym audio – zobaczysz WER, liczbę segmentów, etykiety głośnika i wyniki ufności po stronie. Porównanie STT.ai Enhanced ws Whisper Large V3 jest najczęściej uruchomione.
Tak. Określić "stt-ai-enhanced" jako parametr modelu w końcowym punktie końcowym /v1/transcribe. Python i Node.js SDKs zawierają STT.ai Enhanced przykładów. Darmowy poziom API obejmuje 100 minut/miesiąc.
Tak. Ponieważ STT.ai Enhanced jest 8802-licenzowany, możesz go sam-host. STT.ai stron otwartego źródła wykazuje repo i wagi projektu. Większość zespołów produkcyjnych korzysta z naszej hosted wersji, aby pominąć zamówienia GPU, modele swaps i ops.