Transcribe con Vosk
12.0%
WER
20
Idiomas
100.0x
Velocidad
Apache 2.0
Licencia
Acerca de Vosk
Vosk es un conjunto de herramientas de reconocimiento de voz offline que funciona sin conexión a Internet. Soporta más de 20 idiomas con modelos compactos que pueden funcionar en dispositivos móviles, Raspberry Pi y cualquier plataforma.
Información del modelo
- ProveedorAlpha Cephei
- Arquitectura-
- LicenciaApache 2.0
- ActualizadoMar 2026
Preguntas frecuentes
Vosk es un modelo de voz a texto de Alpha Cephei. STT.ai aloja Vosk en nuestra infraestructura de GPU para que pueda usarlo sin aprovisionamiento de su propio hardware — subir audio o vídeo y elegir Vosk del selector de modelos.
En puntos de referencia estándar, Vosk alcanza alrededor de 12.0% tasa de error de Word. La precisión en el mundo real depende de la calidad de audio, el acento y el lenguaje; para grabaciones ruidosas o acentuadas, espere unos puntos porcentuales más alto WER.
Vosk funciona en el nivel gratuito de STT.ai — cada visitante tiene 600 minutos para empezar sin costo. Los planes pagados añaden límites por archivo más largos, transcripciones privadas y cola de prioridad.
Vosk es lanzado bajo Apache 2.0, una licencia de código abierto permisiva. Usted puede auto-anfitriona Vosk en su propio hardware o utilizar nuestra versión alojada — ambos son comercialmente utilizables.
Vosk admite 20 idiomas. La detección automática selecciona el idioma adecuado para la mayoría de audio; también puede especificarlo manualmente para un pequeño ascensor de precisión.
Vosk procesa audio en aproximadamente 100.0x en tiempo real en nuestras GPUs. Un archivo de audio de 1 hora termina en menos de 1 minutos; los archivos más largos cola y notificar por correo electrónico cuando se hace.
Vosk tiene parámetros 50M. Los modelos más grandes tienden a ser más precisos pero más lentos; STT.ai aloja Vosk en GPU para que el recuento de parámetros no afecte el rendimiento de su cliente.
Vosk acepta todos los soportes de formato STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, y otros. Salida como TXT, SRT, VTT, DOCX, JSON o PDF.
Sí. Diarización del altavoz corre junto a Vosk para cada transcripción - cada altavoz está etiquetado y se puede cambiar el nombre en el editor después.
Sí. Vosk se ejecuta en nuestro entorno gestionado — audio se procesa y elimina por defecto y nunca se utiliza para el entrenamiento sin opt-in explícito. Planes Pro añadir cifrado del lado del cliente para transcripciones en reposo.
Utilice la herramienta compare-stt para ejecutar Vosk contra cualquier otro modelo soportado en el mismo audio: verá WER, conteo de segmentos, etiquetas de altavoz y puntuaciones de confianza lado a lado. La comparación Vosk vs Whisper Large V3 es la más común.
Sí. Especifique "vosk" como parámetro de modelo en el endpoint /v1/transcribir. Los SDKs de Python y Node.js incluyen Vosk ejemplos. El nivel de API libre incluye 100 minutos/mes.
Sí. Debido a que Vosk es licenciada Apache 2.0, usted puede auto-anfitrionarlo. STT.ai's página de código abierto lista la repo proyecto y pesos. La mayoría de los equipos de producción utilizan nuestra versión alojada para saltarse la adquisición de GPU, modelos swaps, y ops.