ട്രാന്ലിങ്ങില് Vosk
12.0%
WER
20
ഭാഷകള്
100.0x
വേഗത
Apache 2.0
അനുമതി
സംബന്ധിച്ച് Vosk
വോസ്ക് ഒരു ഇന്റര്നെറ്റ് കണക്ഷന്റെ കമ്പ്യൂട്ടര് കമ്പ്യൂട്ടര് ഇല്ലാതെ പ്രവര്ത്തിക്കുന്ന ഒരു ഇന്റര്നാഷണല് പ്രൊഫഷണല് ഉപഭോക്താവ് ആണ്. ഇത് 20+ ഭാഷകള്, മൊബൈല് മൊബൈല്, റാസ്ബറി പൈ, എല്ലാ പ്ലാറ്റ്ഫോം എന്നിവയിലും പ്രവര്ത്തിപ്പിക്കാവുന്ന കമ്പ്യൂട്ടറുകളുടെ ഭാഗമായി പിന്തുണയ്ക്കുന്നു.
മോഡല് വിവരംName
- ദാതാവ്Alpha Cephei
- ഭൂമദ്ധ്യരേഖ/ അഗ്രകോടി ഉയര്ത്തല് [ENTER]-
- അനുമതിApache 2.0
- പരിഷ്കരിച്ചിരിക്കുന്നുMar 2026
പതിവുചോദിക്കുന്ന ചോദ്യങ്ങള്
Vosk ഒരു പ്രസംഗ-വാചക മാതൃകയാണ്. Alpha Cephei STT.ai STT.ai ആതിഥേയന്മാര് നമ്മുടെ GPUM-ല് അത് ഉപയോഗിക്കാന് കഴിയും. അതുകൊണ്ട് നിങ്ങളുടെ സ്വന്തം ഹാര്ഡുവെയര് നല്കാതെ നിങ്ങള്ക്ക് ഇത് ഉപയോഗിക്കാം. ഓഡിയോ വീഡിയോയോ അപ്ലോഡ് ചെയ്യുക. Vosk മോണിറ്ററില് നിന്നും എടുക്കാം.
സ്റ്റാന്ഡേര്ഡ് ബെഞ്ച് മാര്ക്കില്, Vosk വര്ക്ക് 12.0% വാല്യത്തിന്റെ പിശകുകള് ഉണ്ടാകുന്നു. യഥാര്ത്ഥ-ലോക കൃത്യത ഓഡിയോ ഗുണഗണത്തെയും ഭാഷയെയും ആശ്രയിച്ചിരിക്കുന്നു. ശബ്ദമോ ഉദ്ധരിച്ചോ റെക്കോര്ഡ് ചെയ്തോ ചില ശതമാനം പോയിന്റുകള് പ്രതീക്ഷിക്കുന്നു.
Vosk STT.ai-ന്റെ സ്വതന്ത്ര ടൈലറില് പ്രവര്ത്തിക്കും. ഓരോ സന്ദർശകരും വിലയ്ക്ക് വേണ്ടി 600 മിനിറ്റ് വില നല്കേണ്ടി വരും. ഓരോ ഫയല് പരിധികളും സ്വകാര്യ റെക്കോര്ഡുകളും മുന്ഗണനാ നിരകളും കൂടി ചേര്ക്കുക.
Apache 2.0 ല് നിന്നും Vosk റിസള്ട്ട് ചെയ്യുന്നു. നിങ്ങള്ക്ക് സ്വന്തം ഹാര്ഡ്വെയര് Vosk ഉപയോഗിക്കാം അല്ലെങ്കില് നമ്മുടെ ഹോര്ഡ്വെയര് പതിപ്പ് ഉപയോഗിക്കാം. രണ്ടും വാണിജ്യപരമായി ഉപയോഗിക്കാം.
20 ഭാഷകള് പിന്തുണയ്ക്കുന്നു Vosk. മിക്ക ശബ്ദങ്ങള്ക്കും ശരിയായ ഭാഷ തെരഞ്ഞെടുക്കുന്നു; നിങ്ങള്ക്കു് ഒരു ചെറിയ സാങ്കേതിക സ്ക്രീനില് സ്വയമായി വ്യക്തമാക്കാം.
Vosk processes audio at about 100.0x real-time on our GPUs. A 1-hour audio file finishes in under 1 minutes; longer files queue and notify by email when done.
Vosk-നു് 50M പരാമീറ്ററുകള് ഉണ്ട്. വലിയ മോഡലുകള് കൂടുതല് കൃത്യതയുള്ളതായിരിക്കും, പക്ഷെ വേഗത കുറവാണു്; STT.ai ഹോസ്റ്റുകള് GPU യിലെ 8Vosk ആയതിനാല് പരാമീറ്റര് എണ്ണം നിങ്ങളുടെ ക്ലയന്റിന്റെ വശത്തെ പ്രകടനത്തെ ബാധിക്കുന്നില്ല.
Vosk എല്ലാ രീതിയിലും STT.ai പിന്തുണ സ്വീകരിക്കുന്നു — MP3, WAV, MAG, OGG, OGG4, MMCV, MOV, MOV, വെബ്എം, എവിഐ, മറ്റ്വ. ടിഎക്സ്, SXT, DOT, DCX, VX, JSON അല്ലെങ്കില് അല്ലെങ്കില്.
ഓരോ പ്രഭാഷകനും Vosk - ത്തോളം പ്രഭാഷണം നടത്തുന്നു.
യെസ്. Vosk നമ്മുടെ പരിസ്ഥിതിയില് പ്രവര്ത്തിക്കുന്നുണ്ട്. ഓഡിയോ പ്രവര്ത്തനത്തില് സഹജമായി വെട്ടിമാറ്റി നീക്കം ചെയ്യുന്നു. വ്യക്തമായും പരിശീലനം ലഭിക്കാന് ഉപയോഗിക്കാറില്ല. പ്രോപ്ലേ പ്രോജക്റ്റുകള് ക്ളൈന്റെ ഇടതുഭാഗത്തുള്ള എന്ക്രിപ്റ്റിന്റെ രഹസ്യഭാഷ കൂട്ടിച്ചേര്ക്കുക.
Use the compare-stt tool to run Vosk against any other supported model on the same audio — you'll see WER, segment count, speaker labels, and confidence scores side-by-side. The Vosk vs Whisper Large V3 comparison is the most commonly run.
അതെ, /v1/traannation സൂചികയില് "vosk" പരാമീറ്റര് ആയി വ്യക്തമാക്കുക. പൈത്തണ് ആന്ഡ് എഡ്ഡികെസ് Vosk ഉദാഹരണങ്ങള് ഉള്ക്കൊള്ളുന്നു. സ്വതന്ത്ര API സ്ലേറ്റര് 100 min/ മാസങ്ങള് ഉള്പ്പെടുന്നു.
Vosk 8801 Apache 2.0 ലക്ചറന്റ് ആയതിനാല് നിങ്ങള്ക്കത് സ്വയം ഹോസ്റ്റര് ചെയ്യാം. STT.ai തുറക്കുന്ന താള് പ്രോജക്റ്റും തൂക്കവും പട്ടികപ്പെടുത്തുന്നു. മിക്ക ഉല്പാദനങ്ങളും GPUFFS, മോഡല് സ്യൂട്ടും, ops എന്നിവ ഒഴിവാക്കാന് നമ്മുടെ ഹോസ്റ്റര് ഫോര്ട്ടര് പതിപ്പ് ഉപയോഗിക്കുന്നു.