Transkripcija Vosk
12.0%
WER
20
Jezici
100.0x
Brzina
Apache 2.0
Licenca
O meni Vosk
Vosk je alat za offline prepoznavanje govora koji radi bez internet veze. Podržava 20+ jezika sa kompaktnim modelima koji mogu raditi na mobilnim uređajima, Raspberry Pi, i bilo kojoj platformi. Izgrađen na Kaldi i Zipformer arhitekturama.
Jezici podržani od Vosk
Informacije o modelu
- ProviderAlpha Cephei
- Arhitektura-
- LicencaApache 2.0
- AžuriranoMar 2026
Često postavljana pitanja
STT.ai je domaćin Vosk na našoj GPU infrastrukturi tako da ga možete koristiti bez da osigurate svoj vlastiti hardver — uploadati audio ili video i izabrati Vosk iz birača modela.
Na standardnim benchmarkima, Vosk postiže oko 12.0% stope greške riječi. realna tačnost zavisi od kvaliteta zvuka, naglaska i jezika; za bučne ili naglašene snimke, očekujte nekoliko postotnih bodova više WER.
Vosk radi na STT.ai-ovom besplatnom nivou - svaki posjetilac dobiva 600 minuta za početak bez troškova. plaćeni planovi dodaju dulje ograničenje po datoteci, privatne transkripte i prioritetno redoslijed.
Vosk je objavljen pod Apache 2.0, dozvoljenom licencom otvorenog koda.Možete sami hostati Vosk na svom hardveru ili koristiti našu hosted verziju — obje su komercijalno upotrebljive.
Vosk podržava 20 jezika. Automatsko otkrivanje bira ispravan jezik za većinu audio; također ga možete ručno odrediti za malo povećanje tačnosti.
Vosk obrađuje audio na oko 100.0x real-time na našim GPU-ovima. 1-satna audio datoteka završava za manje od 1 minuta; dulje datoteke čekaju i obavještavaju e-mailom kada je završeno.
Vosk ima 50M parametra. Veći modeli imaju tendenciju da budu precizniji ali sporiji; STT.ai hosta Vosk na GPU tako da broj parametara ne utječe na performanse klijenta.
Vosk prihvaća svaki format koji podržava STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI i drugi. izlaz kao TXT, SRT, VTT, DOCX, JSON, ili PDF.
Da. Diarizacija govornika radi zajedno sa Vosk za svaku transkripciju - svaki govornik je označen i možete ih preimenovati u editoru kasnije.
Da. Vosk radi u našoj upravljanoj okolini — audio se obrađuje i briše po zadanim postavkama i nikada se ne koristi za trening bez eksplicitnog uključivanja. Pro planovi dodaju šifriranje na strani klijenta za transkripte u mirovanju.
Koristite compare-stt alat da pokrenete Vosk protiv bilo kojeg drugog podržanog modela na istom audio — vidjet ćete WER, broj segmenata, oznake zvučnika, i pouzdanost ocjena jedan pored drugog. Vosk vs Whisper Large V3 usporedba je najčešća.
Da. Navedite "vosk" kao modelni parametar na /v1/transcribe krajnjoj tački. Python i Node.js SDK-ovi uključuju Vosk primjere. Besplatni API nivo uključuje 100 minuta/mjesečno.
Da. Budući da je Vosk licenciran za Apache 2.0, možete ga sami postaviti. Stranica otvorenog koda za STT.ai navodi projektni repozitorij i težine. Većina produkcijskih timova koristi našu verziju za preskakanje nabavke GPU-a, zamjene modela i operacija.