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
Soalan Lazim
Vosk adalah model pertuturan-ke-teks oleh Alpha Cephei. STT.ai memuatkan Vosk pada infrastruktur GPU kami supaya anda boleh menggunakannya tanpa menyediakan perkakasan anda sendiri — muat naik audio atau video dan pilih Vosk dari pemilih model.
Pada piawaian piawai, Vosk mencapai kira-kira 12.0% Kadar Ralat Perkataan. Ketepatan dunia nyata bergantung pada kualiti audio, loghat, dan bahasa; untuk rakaman bising atau loghat, harapkan beberapa peratusan WER yang lebih tinggi.
Vosk berjalan pada aras percuma STT.ai — setiap pengunjung mendapat 600 minit/bulan tanpa kos. Rancangan berbayar menambah had per-fail yang lebih panjang, transkripsi peribadi, dan baris gilir keutamaan.
Vosk dikeluarkan di bawah lesen sumber terbuka Apache 2.0. Anda boleh memuat turun Vosk pada perkakasan anda sendiri atau menggunakan versi kami yang dimuat turun — kedua-duanya boleh digunakan secara komersial.
Vosk menyokong 20 bahasa. Auto-kesan memilih bahasa yang betul untuk kebanyakan audio; anda juga boleh nyatakannya secara manual untuk ketelusan yang lebih baik.
Vosk memproses audio pada kira-kira 100.0x masa nyata pada GPU kami. Fail audio 1 jam selesai dalam kurang daripada 1 minit; fail yang lebih panjang berijil dan maklumkan melalui emel bila selesai.
Vosk mempunyai parameter 50M. Model yang lebih besar cenderung lebih tepat tetapi lebih perlahan; STT.ai memuatkan Vosk pada GPU jadi kiraan parameter tidak mempengaruhi prestasi sisi klien anda.
Vosk menerima setiap format yang disokong STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, dan lain-lain. Output sebagai TXT, SRT, VTT, DOCX, JSON, atau PDF.
Ya. Diarisasi pembicara berjalan bersama Vosk untuk setiap transkripsi — setiap pembicara dilabel dan anda boleh menamakan semula mereka dalam editor selepas itu.
Ya. Vosk berjalan dalam persekitaran yang dikendalikan kami — audio diproses dan dipadam secara lalai dan tidak pernah digunakan untuk latihan tanpa opt-in yang jelas. Rancangan Pro menambah penyulitan sisi klien untuk transkripsi ketika rehat.
Gunakan alat compare-stt untuk jalankan Vosk terhadap model yang disokong lain pada audio yang sama — anda akan lihat WER, kiraan segmen, label pengeras, dan skor keyakinan berdampingan. Perbandingan Vosk vs Whisper Large V3 adalah yang paling biasa dijalankan.
Ya. Nyatakan "vosk" sebagai parameter model pada titik akhir /v1/transcribe. Python dan Node.js SDKs termasuk contoh Vosk. Tahap API percuma termasuk 100 minit/bulan.
Ya. Kerana Vosk adalah Apache 2.0-licensed, anda boleh self-host ia. STT.ai's open-source page lists the project repo and weights. Kebanyakan pasukan produksi menggunakan versi kami yang dihost untuk melepasi pembelian GPU, pertukaran model, dan ops.