Transkribieren mit Vosk
12.0%
WER
20
Languages
100.0x
Speed
Apache 2.0
License
Über Vosk
Vosk is an offline speech recognition toolkit that works without an internet connection. It supports 20+ languages with compact models that can run on mobile devices, Raspberry Pi, and any platform. Built on Kaldi and Zipformer architectures.
Unterstützte Sprachen von Vosk
Model Info
- ProviderAlpha Cephei
- Architecture-
- LicenseApache 2.0
- UpdatedMar 2026
Häufig gestellte Fragen
Vosk ist ein Sprach-zu-Text-Modell von Alpha Cephei. STT.ai Hosts Vosk auf unserer GPU-Infrastruktur, so dass Sie es ohne Bereitstellung Ihrer eigenen Hardware nutzen können – laden Sie Audio oder Video hoch und wählen Sie Vosk vom Modellpicker.
Auf Standard-Benchmarks erreicht Vosk rund 12.0% Word Error Rate. Real-Welt-Genauigkeit hängt von Audio-Qualität, Akzent und Sprache; für laute oder akzentuierte Aufnahmen, erwarten ein paar Prozentpunkte höher WER.
Vosk läuft auf STT.ai's Free-Tier - jeder Besucher erhält 600 Minuten/Monat ohne Kosten. Bezahlte Pläne fügen mehr pro-Datei Grenzen, private Transkripte, und Priorität Warteschlange.
Vosk wird unter Apache 2.0 veröffentlicht, einer permissiven Open-Source-Lizenz. Sie können Vosk auf Ihrer eigenen Hardware selbst hosten oder unsere gehostete Version verwenden – beide sind kommerziell nutzbar.
Vosk unterstützt 20 Sprachen. Auto-Erkennung wählt die richtige Sprache für die meisten Audio-; Sie können es auch manuell für einen kleinen Genauigkeitsheber angeben.
Vosk verarbeitet Audio bei ca. 100.0x Echtzeit auf unseren GPUs. Eine 1-stündige Audiodatei endet in weniger als 1 Minuten; längere Dateien stehen Schlange und benachrichtigen per E-Mail, wenn getan.
Vosk hat 50M Parameter. Größere Modelle neigen dazu, genauer, aber langsamer zu sein; STT.ai Hosts Vosk auf GPU, so dass die Parameteranzahl Ihre clientseitige Leistung nicht beeinflusst.
Vosk akzeptiert jedes Format STT.ai unterstützt — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI und andere. Ausgabe als TXT, SRT, VTT, DOCX, JSON oder PDF.
Ja. Die Lautsprecherdiarisierung läuft bei jeder Transkription neben Vosk – jeder Lautsprecher ist beschriftet und Sie können sie anschließend im Editor umbenennen.
Ja. Vosk läuft in unserer verwalteten Umgebung – Audio wird standardmäßig verarbeitet und gelöscht und nie ohne explizites Opt-In zum Training verwendet. Pro-Pläne fügen Client-seitige Verschlüsselung für Transkripte in Ruhe hinzu.
Verwenden Sie das Vergleichs-stt-Tool, um Vosk gegen jedes andere unterstützte Modell auf dem gleichen Audio laufen zu lassen – Sie sehen WER, Segmentanzahl, Lautsprecheretiketten und Konfidenzwerte nebeneinander. Der Vosk vs Whisper Large V3 Vergleich ist der am häufigsten ausgeführte.
Ja. Geben Sie "vosk" als Modellparameter auf dem Endpunkt /v1/transcribe an. Python und Node.js SDKs enthalten Vosk Beispiele. Freie API-Ebene enthält 100 Minuten/Monat.
Ja. Da Vosk Apache 2.0-lizenziert ist, können Sie es selbst hosten. STT.ai Open-Source-Seite listet die Projekt-Repo und Gewichte. Die meisten Produktionsteams verwenden unsere gehostete Version, um GPU Beschaffung, Modell-Swaps und Ops überspringen.