Перапісаць з Vosk
12.0%
WER
20
Мовы
100.0x
Хуткасць
Apache 2.0
Ліцэнзія
Пра Vosk
Vosk — гэта аўтэнтыфікатар мовы, які працуе без падлучэння да інтэрнэту. Ён падтрымлівае больш за 20 моваў і мае кампактныя мадэлі, якія могуць працаваць на мабільных прыладах, Raspberry Pi і любых платформах. Пабудаваны на архітэктурах Kaldi і Zipformer.
Мовы, якія падтрымліваюцца Vosk
Звесткі пра мадэль
- ПастаўшчыкAlpha Cephei
- Архітэктура-
- ЛіцэнзіяApache 2.0
- АбнавіцьMar 2026
Часта задаваемыя пытанні
Vosk - гэта мадэль пераўтварэння мовы ў тэкст ад Alpha Cephei. STT.ai размяшчае Vosk на нашай інфраструктуры GPU, таму вы можаце выкарыстоўваць яго без стварэння свайго апаратнага забеспячэння - загрузіце аўдыё або відэа і выберыце Vosk з выбару мадэлі.
На стандартных тэставанні, Vosk дасягае каля 12.0% Word Error Rate. Рэальная дакладнасць залежыць ад якасці гуку, акцэнту і мовы; для шумных або акцэнтаваных запісаў чакайце на некалькі працэнтных пунктаў вышэй WER.
Vosk працуе на бясплатным узроўні STT.ai - кожны наведвальнік атрымлівае 600 хвілін, каб пачаць без платы. Плацежныя планы дадаюць большыя абмежаванні на файл, прыватныя транскрыпты і прыярытэтныя чаргі.
Vosk выпушчаны пад ліцэнзіяй Apache 2.0, дазваляе адкрыты код. Вы можаце самастойна ўсталяваць Vosk на вашым камп' ютары або выкарыстоўваць нашу версію - абодва могуць быць выкарыстаны ў камерцыйных мэтах.
Vosk падтрымлівае 20 моў. Аўтаматычнае выяўленне выбірае правільную мову для большасці гукаў; вы таксама можаце вызначыць яе ўручную для невялікага павышэння дакладнасці.
Vosk апрацоўвае аўдыё з хуткасцю 100.0x у рэальным часе на нашых GPU. 1- гадзінны аўдыё файл скончыцца менш чым за 1 хвіліны; даўжэйшыя файлы будуць адпраўляцца ў чаргу і абвяшчаць па электроннай пошце, калі яны будуць завершаны.
Vosk мае параметры 50M. Большыя мадэлі больш дакладныя, але павольнейшыя; STT.ai мае Vosk на GPU, таму колькасць параметраў не ўплывае на хуткасць працы кліента.
Vosk прымае ўсе фарматы, якія падтрымлівае STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI і іншыя. Вывад у фармаце TXT, SRT, VTT, DOCX, JSON або PDF.
Так. Дыярызацыя гукавых файлаў працуе разам з Vosk для кожнай транскрыпцыі - кожны гукавы файл мае этыкетку, і вы можаце змяніць яго назву ў рэдактара пасля.
Так. Vosk працуе ў нашым кіруемым асяроддзі - гук апрацоўваецца і выдаляецца па змаўчанні і ніколі не выкарыстоўваецца для трэніровак без выразнага дазволу. Планы Pro дадаюць шыфраванне з боку кліента для транскрыптаў у спакоі.
Выкарыстоўвайце інструмент compare-stt, каб правесці параўнанне Vosk з любым іншым падтрымліваемым мадэллю на тым жа аўдыё - вы ўбачыце WER, колькасць сегментаў, этыкеткі дынамікаў і рэйтынгі даверу бок аб бок. Параўнанне Vosk супраць Whisper Large V3 - гэта найбольш частае параўнанне.
Так. Вызначце "vosk" як параметр мадэлі ў канечнай кропцы /v1/transcribe. Python і Node.js SDK ўключаюць прыклады Vosk. Бясплатны ўзровень API ўключае 100 хвілін / месяц.
Так. Паколькі Vosk мае ліцэнзію Apache 2.0, вы можаце самастойна яго ўсталяваць. На старонцы адкрытага кода STT.ai паказаны рэпазітары і вагі праекту. Большасць каманд выкарыстаюць нашу ўсталяваную версію, каб прапусціць закупку GPU, абмен мадэлямі і аперацыі.