Transcrire avec Vosk
12.0%
WER
20
Languages
100.0x
Speed
Apache 2.0
License
À propos de 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.
Langues prises en charge par Vosk
Model Info
- ProviderAlpha Cephei
- Architecture-
- LicenseApache 2.0
- UpdatedMar 2026
Questions fréquemment posées
Vosk est un modèle speech-to-text par Alpha Cephei. STT.ai héberge Vosk sur notre infrastructure GPU afin que vous puissiez l'utiliser sans fournir votre propre matériel — télécharger audio ou vidéo et choisir Vosk à partir du modèle de sélection.
Sur les repères standard, Vosk atteint environ 12.0% de Word Error Rate. La précision du monde réel dépend de la qualité audio, de l'accent et de la langue; pour les enregistrements bruyants ou accentués, attendez quelques points de pourcentage plus haut WER.
Vosk fonctionne sur le niveau gratuit de STT.ai — chaque visiteur obtient 600 minutes/mois sans frais. Les plans payants ajoutent plus de limites par fichier, des transcriptions privées et la file d'attente prioritaire.
Vosk est publié sous Apache 2.0, une licence open-source permissive. Vous pouvez vous-même héberger Vosk sur votre propre matériel ou utiliser notre version hébergée — les deux sont utilisables commercialement.
Vosk prend en charge 20 langues. La détection automatique choisit la bonne langue pour la plupart des audio; vous pouvez également le spécifier manuellement pour un petit ascenseur de précision.
Vosk traite l'audio à environ 100.0x en temps réel sur nos GPUs. Un fichier audio d'une heure se termine en moins de 1 minutes; des fichiers plus longs font la file d'attente et les avisent par courrier électronique lorsque cela est fait.
Vosk a 50M paramètres. Les modèles plus grands ont tendance à être plus précis mais plus lents; STT.ai hôtes Vosk sur GPU de sorte que le nombre de paramètres n'affecte pas les performances de votre client.
Vosk accepte chaque format STT.ai supports — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, et autres. Sortie comme TXT, SRT, VTT, DOCX, JSON ou PDF.
Oui. La diarisation des haut-parleurs se déroule aux côtés de Vosk pour chaque transcription — chaque haut-parleur est étiqueté et vous pouvez les renommer dans l'éditeur par la suite.
Oui. Vosk fonctionne dans notre environnement géré — l'audio est traité et supprimé par défaut et jamais utilisé pour la formation sans opt-in explicite.
Utilisez l'outil compare-stt pour exécuter Vosk contre n'importe quel autre modèle pris en charge sur le même son — vous verrez WER, le nombre de segments, les étiquettes des haut-parleurs et les scores de confiance côte à côte. La comparaison Vosk vs Whisper Large V3 est la plus courante.
Oui. Spécifiez "vosk" comme paramètre de modèle sur le paramètre /v1/transcrire. Les SDKs Python et Node.js incluent Vosk exemples. Le niveau d'API gratuit comprend 100 minutes/mois.
Oui. Parce que Vosk est Apache 2.0-licenced, vous pouvez auto-héberger. STT.ai's open-source page liste la prise en charge du projet et les poids. La plupart des équipes de production utilisent notre version hébergée pour sauter l'approvisionnement GPU, les swaps de modèles, et les ops.