STT.ai Enhanced
STT.ai uruchomił ten model na płatnym poziomie. Jest to model za zqx0xz Advanced. Darmowa transkrypcja używa Whisper Large v3 Turbo, co jest szybsze.
Zob. plany →
·
Bezpieczeństwo w języku Whisper Turbo →
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 steruje go na własnych GPU na kontach na planie płatnym, a to model za STT.ai Advanced quare. Darmowa transkrypcja używa Whisper Large v3 Turbo, szybszy punkt kontrolny tej samej rodziny.
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 do każdego planu zapłaconego STT.ai rozpoczynającego się od $5/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, w planie płatnym. Wskaź "stt-ai-enhanced" jako parametr modelu w końcowym punkcie końcowym /v1/transkriptu. Zamiast tego, klucze bez aktywnego planu, są podane Whisper Large v3 Turbo. Żądanie nadal udaje się; po prostu działa bezpłatny model.
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.