Trascrive con Vosk
12.0%
WER
20
Lingue
100.0x
Velocità
Apache 2.0
Licenza
Informazioni Vosk
Vosk è un toolkit di riconoscimento vocale offline che funziona senza connessione internet. Supporta 20+ lingue con modelli compatti che possono funzionare su dispositivi mobili, Raspberry Pi, e qualsiasi piattaforma. Costruito su Kaldi e Zipformer architetture.
Lingue supportate da Vosk
Informazioni sul modello
- FornitoreAlpha Cephei
- Architettura-
- LicenzaApache 2.0
- AggiornatoMar 2026
Domande frequenti
Vosk è un modello speech-to-text di Alpha Cephei. STT.ai ospita Vosk sulla nostra infrastruttura GPU in modo da poterlo utilizzare senza fornire il proprio hardware Hoppenstedt caricare audio o video e scegliere Vosk dal picker modello.
Sui benchmark standard, Vosk raggiunge circa 12.0% Word Error Rate. L'accuratezza del mondo reale dipende dalla qualità audio, dall'accento e dal linguaggio; per le registrazioni rumorose o accentuate, aspettatevi qualche punto percentuale più alto WER.
Vosk funziona su STT.ai di livello libero molto di più ogni visitatore ottiene 600 minuti per iniziare senza alcun costo. I piani a pagamento aggiungono limiti più lunghi per file, trascrizioni private, e la coda di priorità.
Vosk è rilasciato sotto Apache 2.0, una licenza open-source permissiva. È possibile auto-host Vosk sul proprio hardware o utilizzare la nostra versione hosted entrambi sono commercialmente utilizzabili.
Vosk supporta 20 lingue. Rilevamento automatico sceglie la lingua giusta per la maggior parte dell'audio; è anche possibile specificarlo manualmente per un piccolo sollevamento di precisione.
Vosk elabora audio a circa 100.0x in tempo reale sulle nostre GPU. Un file audio di 1 ora termina in meno di 1 minuti; file più lunghi coda e notifica per e-mail quando fatto.
Vosk ha 50M parametri. I modelli più grandi tendono ad essere più precisi ma più lenti; STT.ai host Vosk su GPU in modo che il conteggio dei parametri non influisca sulle prestazioni lato client.
Vosk accetta ogni formato STT.ai supporta © MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, e altri. Uscita come TXT, SRT, VTT, DOCX, JSON, o PDF.
Sì. La diarizzazione degli altoparlanti corre accanto a Vosk per ogni trascrizione ogni altoparlante è etichettato e si può rinominare in seguito nell'editor.
Sì. Vosk è eseguito nel nostro ambiente gestito L'audio è elaborato e cancellato per impostazione predefinita e mai utilizzato per l'allenamento senza esplicito opt-in. Piani Pro aggiungere la crittografia lato client per le trascrizioni a riposo.
Utilizzare lo strumento di confronto-stt per eseguire Vosk contro qualsiasi altro modello supportato sullo stesso audio. Vedrete WER, conteggio dei segmenti, etichette degli altoparlanti e punteggi di confidenza fianco a fianco. Il confronto Vosk vs Whisper Large V3 è il più comunemente eseguito.
Sì. Specificare "vosk" come parametro del modello sull'endpoint /v1/transcribe. Gli SDK Python e Node.js includono Vosk esempi. Il livello API gratuito include 100 minuti/mese.
Sì. Poiché Vosk è Apache 2.0-licensed, si può auto-ospitare esso. STT.ai pagina open-source elenca il progetto repo e pesi. La maggior parte dei team di produzione utilizzano la nostra versione ospitata per saltare GPU approvvigionamento, modelli di swap, e op.