Transcriure amb Vosk
12.0%
WER
20
Lengas
100.0x
Velocitat
Apache 2.0
Licéncia
A prepaus de Vosk
Vosk es una aisina de reconeissença vocala desconnectada que fonciona sens connexion a Internet. Pren en carga mai de 20 lengas amb de modèls compactes que pòdon èsser executats sus de dispositius mobils, Raspberry Pi e quina que siá plataforma. Construch sus las arquitecturas Kaldi e Zipformer.
Entresenhas sul modèl
- ProvesidorAlpha Cephei
- Arquitectura-
- LicénciaApache 2.0
- ActualizatMar 2026
Questions frequentas
Vosk es un modèl de sintèsi vocala de Alpha Cephei. STT.ai aloja Vosk sus nòstra infrastructura GPU per que pòsca èsser utilizat sens provisionar vòstre pròpri maquinari - cargatz l'audio o la vidèo e causit Vosk dins lo selector de modèls.
@ info
Vosk s'exécuta sus la basa liura de STT.ai - cada visitaire a 600 minutas per començar sens còst. Los plans pagats apondon de limitas mai grandas per fichièr, de transcripcions privadas e de filas de espera prioritarias.
Vosk es publicat jos la licéncia Apache 2.0, una licéncia de còde dobèrt permissiva. Podètz auto-ostejar Vosk sus vòstre pròpri maquinari o utilizar nòstra version ostejada — ambedos son comercialament utilizables.
Vosk pren en carga 20 lengas. La deteccion automatica causís la lenga correcta per la majoritat dels sons; podètz tanben la especificar manualament per una precision melhorada.
Vosk traça l'audio a aperaquí 100.0x en temps real sus nòstras GPU. Un fichièr àudio d'una ora se acaba en mens de 1 minutas; los fichièrs mai longs son plaçats en fila e notificats per corrièr electronic quand son acabats.
Vosk a de paramètres 50M. Los modèls mai grands son mai precises mas mai lents; STT.ai òste Vosk sul GPU, doncas lo compte de paramètres afecta pas vòstras performanças del costat client.
Vosk accepta totes los formats que pren en carga STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, e d'autres. Sortida coma TXT, SRT, VTT, DOX, JSON, o PDF.
@ info: shell
@ info
Utilizatz l'aisina compare-stt per comparar Vosk amb quin autre modèl suportat sul meteis audio — veiretz WER, lo comptatge de segments, las etiquetas dels parlants e las pontuacions de fiabilitat a costat. La comparason Vosk vs Whisper Large V3 es la mai comuna.
Òc. Especifiquez "vosk" coma paramètre del modèl sul punt de fin /v1/transcribe. Los SDK Python e Node.js incluson d'exemples Vosk. Lo nivèl API liure inclutz 100 minutas/mes.
Òc. Perque Vosk es licenciat amb Apache 2.0, podètz l'albergar. La pagina de còde dobèrt de STT.ai lista lo repositori e los pes del projècte. La majoritat de las equipas de produccion utilizan nòstra version albergada per passar l'aquisicion de GPU, los escambis de modèls e las operacions.