Транскрипция STT.ai Enhanced
4.2%
WER
99
Телләр
15.9x
Тезлек
MIT
Лицензия
Бәйләнешләр STT.ai Enhanced
STT.ai Enhanced безнең иң төгәл һәм тиз сөйләм-матн модельебез. Ул иң яңа трансформатор архитектурасы белән төзелгән һәм үз оптимизациясе белән, ул 100+ телдә сүз хаталары дәрәҗәсен күрсәтә. Продукция транскрипциясе, реаль вакытлы субтитрлар һәм предприятие кулланмалары өчен идеаль.
✦ Киңәйтелгән модельне ачарга
Get access to our most accurate model with any paid plan — Whisper large-v3, 99 languages, and speaker diarization.
Планнарны карау →Модель мәгълүматы
- ПровайдерOpenAI (hosted by STT.ai)
- Архитектура-
- ЛицензияMIT
- ЯңартуAug 2026
Кайвакыт бирелә торган сораулар
STT.ai Enhanced — OpenAI (hosted by STT.ai)-нең сүздән-текстка модель. STT.ai безнең GPU инфраструктурасында урнашкан, шуңа күрә сез аны үз аппаратурагызны тәэмин итмичә куллана аласыз — аудио яки видеоны урнаштырыгыз һәм модель сайлап алучыдан STT.ai Enhanced-не сайлагыз.
STT.ai Enhanced стандарт бәяләүләрдә сүз хаталары 4.2% тәшкил итә. Реаль дөньяда дөреслек аудио сыйфатына, акцентка һәм телгә бәйле; тавышлы яки акцентлы язу өчен, WER ны берничә процентка арттырырга мөмкин.
STT.ai Enhanced — премиум модель — STT.ai планына $5/айга кадәр түләү белән кертелә. Бу түләүле дәрәҗәдә юк: бушлай һәм аноним йөкләүләр Whisper Turbo урынына эшли.
STT.ai Enhanced MIT лицензиясе нигезендә чыгарыла, ул ачык чыганак лицензиясе. Сез STT.ai Enhanced-не үз җайланмагызда урнаштыра аласыз яки безнең урнаштырылган версияне куллана аласыз — икесе дә коммерцияле куллануга яраклы.
STT.ai Enhanced 99 телне яклый. Аудио өчен дөрес телне автоматик ачыклау сайлый; аны үзегезгә туры китереп тә билгеләп була, тик бу дөреслекне бераз арттыра.
STT.ai Enhanced безнең GPUларда 15.9x реаль вакыт белән аудио эшкәртә. 1 сәгатьлек аудио файл 3 минут эчендә тәмамлана; озынрак файллар чиратка куела һәм эш тәмамлангач электрон почта аша хәбәр ителә.
STT.ai Enhancedдә 1.55B параметрлары бар. Зуррак модельләр төгәлрәк, ләкин зәгыйфьрәк; STT.ai STT.ai Enhancedне график процессорда урнаштыра, шуңа күрә параметрлар саны клиент ягы эшчәнлегенә йогынты ясамый.
STT.ai Enhanced STT.ai тарафыннан якланган һәр форматны кабул итә — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI һәм башкалар.
STT.ai Enhanced сүзлекнең һәрберсе өчен сөйләүче диаризациясе эшли — һәр сөйләүчегә тамга куела һәм соңрак редакторда аларны исемнәре үзгәртелә.
STT.ai Enhanced безнең шәхси инфраструктурада эшли — аудио эшкәртелә һәм default буенча юк ителә. Pro+ клиент тарафыннан шифрлауны өсти, шуңа күрә транскрипцияләр сезнең ачкычсыз укыла алмый, һәм Private Cloud сезгә STT.ai Enhanced-не тулысынча үз VPC-да үз-үзегезне хостларга мөмкинлек бирә.
STT.ai Enhancedне башка башка ярдәм ителгән модельләр белән бер үк аудиода чагыштыру өчен compare-stt инструментын кулланыгыз — сез WER, сегментлар саны, тавыш язучылары һәм ышанычлылык күрсәткечләрен бер-бер артлы күрерсез. STT.ai Enhanced һәм Whisper Large V3 чагыштыруы иң еш кулланыла.
Әйе. /v1/transcribe ахыргы ноктасында модель параметры буларак "stt-ai-enhanced"не күрсәтегез. Python һәм Node.js SDKлары STT.ai Enhanced мисалын кертәләр. Бушлай API катламы айга 100 минутны тәшкил итә.
Әйе. STT.ai Enhanced MIT-лицензияләнгән булганлыктан, сез аны үзегез урнаштыра аласыз. STT.ai'ның ачык чыганаклы битендә проектның репо һәм авырлыклары күрсәтелгән. Продукция төркемнәре безнең урнаштырылган версияне GPU сатып алу, модель алмашу һәм опсларны калдыру өчен кулланалар.