Transcribe with Vosk
12.0%
WER
20
Languages
100.0x
Speed
Apache 2.0
License
About Vosk
Languages Supported by Vosk
Model Info
- ProviderAlpha Cephei
- Architecture-
- LicenseApache 2.0
- UpdatedMar 2026
Dažnai užduodami klausimai
Vosk yra kalbos-teksto modelis iki Alpha Cephei. STT.ai savo GPU infrastruktūroje sumontuoti Vosk, todėl jį galite naudoti neįrengdami savo techninės įrangos – įkelkite garso ar vaizdo ir pasirinkite Vosk iš modelio parinkiklis.
Dėl standartinių lyginamųjų standartų, Vosk pasiekia apie 8801% Word error Rate. Realaus pasaulio tikslumas priklauso nuo garso kokybės, akcentas, ir kalba; Triukšmingų ar akcentuotų įrašų, tikėtis keletą procentinių punktų didesnis WER.
Vosk veikia STT.ai laisvos pakopos - kiekvienas lankytojas gauna 600 minučių/mėnesį be jokių išlaidų. Mokami planai pridėti daugiau už failą ribų, privačių stenogramų, ir prioritetų eilė.
Vosk yra išleistas pagal Apache 2.0, leistina atviro kodo licencija. Galite savarankiškai-host Vosk ant savo aparatūros arba naudoti mūsų palaikomą versiją - abu yra komerciškai naudoti.
Vosk palaiko 20 kalbas. Automatinis aptikimas pasirenka reikiamą kalbą daugumai garso; taip pat galite nurodyti ją rankiniu būdu nedideliam tikslumui pakelti.
Vosk apdoroja garsą maždaug 100.0x realiu laiku mūsų GPU. 1 valandos garso failas baigiasi po 1 minučių; ilgesnis failų eilė ir apie tai praneš el. paštu, kai tai bus padaryta.
Vosk turi 50M parametrus. Didesni modeliai yra tikslesni, bet lėčiau; STT.ai GPU mazgai Vosk, todėl parametrų skaičius neturi įtakos Jūsų klientų veiklos rezultatams.
Vosk priima kiekvieną formatą STT.ai palaiko: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI ir kt. Išvesti kaip TXT, SRT, VTT, DOCX, JSON, arba PDF.
Taip. Garsiakalbio diarizacija veikia šalia Vosk kiekvienam transkripcija – kiekvienas garsiakalbis yra pažymėtas ir galite pervadinti juos redaktoriuje po to.
Taip. Vosk veikia mūsų valdomoje aplinkoje — garso yra apdorojamas ir ištrinamas pagal nutylėjimą ir niekada naudojamas mokymui be aiškaus opt-in. Pro planai pridėti kliento pusėje šifravimo stenogramos poilsio.
Naudokite palyginimo-stt įrankis paleisti Vosk prieš bet kurį kitą palaikomą modelį tame pačiame garso — pamatysite WER, segmentų skaičių, garsiakalbių etiketes ir pasitikėjimo balus šalia-by-by. Vosk palyginti Whisper didelis V3 yra dažniausiai paleisti.
Taip. Nurodykite "vosk" kaip modelio parametrą /v1/tractor parametrą. Python ir Node.js SDK yra Vosk pavyzdžiai. Nemokama API pakopa apima 100 minučių/mėnesį.
Taip. Kadangi Vosk yra Apache 2.0-licencijuotas, galite patys-host jį. STT.ai atviro kodo puslapis išvardija projekto atpirkimo ir svorius. Dauguma gamybos komandos naudoja mūsų įdiegtą versiją praleisti GPU pirkimų, modelių apsikeitimo, ir ops.