STT.ai Enhanced
STT.ai ngajalankeun model ieu dina tingkat dibayar. Éta model di tukangeun STT.ai Enhanced. Transkripsi bébas nganggo Whisper Large v3 Turbo, anu langkung gancang.
Lihat rencana →
·
Transkripsi gratis karo Whisper Turbo →
4.2%
WER
99
Basa
15.9x
Kecepatan
MIT
Lisensi
_Tentang STT.ai Enhanced
STT.ai Enhanced nyaéta model pangénggalna sareng pang akuratna tina kecap-ka-teks. Diwangun dina arsitektur transformator pangénggalna sareng optimasi anu dipikaresep, éta nyayogikeun tingkat kasalahan kecap anu pangluhurna di industri di 100+ basa. Ideal pikeun transkripsi produksi, subtitle real-time, sareng aplikasi enterprise.
✦ Model
Get access to our most accurate model with any paid plan — Whisper large-v3, 99 languages, and speaker diarization.
Papar rencana →Informasi Model
- PanyedhiyaOpenAI (hosted by STT.ai)
- Arsitektur-
- LisensiMIT
- DiperbaruiAug 2026
Takon-takon sing asring diajukake
STT.ai Enhanced nyaéta model basa-ka-teks ku OpenAI (hosted by STT.ai). STT.ai ngajalankeunana dina GPU urang nyalira pikeun akun dina rencana anu dibayar, sareng éta mangrupikeun model di tukangeun STT.ai Enhanced tier. Transkripsi gratis nganggo Whisper Large v3 Turbo, checkpoint anu langkung gancang tina kulawarga anu sami.
Dina benchmarks standar, STT.ai Enhanced ngahontal kira-kira 4.2% Word Error Rate. Akurasi dunya nyata gumantung kana kualitas audio, accent, jeung basa; pikeun rekaman noisy atawa accented, ngarepkeun sababaraha poin persentase luhur WER.
STT.ai Enhanced nyaéta model premium, digabungkeun sareng rencana STT.ai anu dibayar anu dimimitian dina $5 / bulan. Éta henteu aya dina tingkat gratis: unggah gratis sareng anonim ngajalankeun Whisper Turbo.
STT.ai Enhanced dikaluarkeun di handapeun MIT, lisénsi sumber terbuka anu permisif. Anjeun tiasa ngahost STT.ai Enhanced dina perkakas anjeun atanapi nganggo vérsi anu dihost urang - kaduana tiasa dianggo sacara komersial.
STT.ai Enhanced ngadukung 99 basa. Auto-deteksi milih basa anu bener pikeun kabéh audio; anjeun ogé bisa nyatet éta sacara manual pikeun ngaronjatkeun akurasi.
STT.ai Enhanced ngaproses audio dina kira-kira 15.9x real-time dina GPU urang. A file audio 1 jam réngsé dina handapeun 3 menit; file leuwih panjang diulit jeung ngalaporkeun ku surél nalika réngsé.
STT.ai Enhanced mibanda parameter 1.55B. Model anu leuwih gedé leuwih akurat tapi leuwih lambat; STT.ai mibanda STT.ai Enhanced dina GPU supados jumlah parameter teu mangaruhan kinerja klien.
STT.ai Enhanced nampa saben format STT.ai dukungan - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, lan liya-liyane. Output minangka TXT, SRT, VTT, DOCX, JSON, utawa PDF.
Ya. Diarization speaker jalan bareng jeung STT.ai Enhanced pikeun unggal transkripsi — unggal speaker dilabelkeun sarta anjeun bisa ngaganti ngaranna dina penyunting saterusna.
Ya. STT.ai Enhanced dijalankeun dina infrastruktur pribadi urang - audio diolah sareng dihapus ku pigura. Pro + nambahan enkripsi sisi klien janten transkripsi henteu tiasa dibaca tanpa konci anjeun, sareng Cloud Privasi ngamungkinkeun anjeun ngahost STT.ai Enhanced sacara lengkep dina VPC anjeun nyalira.
Gunakeun alat compare-stt pikeun ngajalankeun STT.ai Enhanced ngalawan model séjén anu didukung dina audio anu sami — anjeun bakal ningali WER, jumlah segmen, label panyatur, sarta skor confidence dibarengan-dibarengan. Perbandingan STT.ai Enhanced vs Whisper Large V3 nyaéta anu paling umum dijalankeun.
Ya, dina rencana anu dibayar. Nyatakeun "stt-ai-enhanced" minangka parameter model dina titik akhir /v1/transcribe. Kunci tanpa rencana aktif dilayani ku Whisper Large v3 Turbo. Pangéran masih berhasil; éta ngan ngajalankeun model gratis.
Ya. Kusabab STT.ai Enhanced dilisensikeun ku MIT, anjeun tiasa ngahost éta nyalira. Halaman sumber terbuka STT.ai nyarankeun repo sareng beurat proyek. Kabéh tim produksi nganggo vérsi anu dihost pikeun ngaleupaskeun GPU procurement, swaps model, sareng ops.