Transcrie cu Vosk
12.0%
WER
20
Limbi
100.0x
Viteza
Apache 2.0
Licență
Despre Vosk
Vosk este un instrument de recunoaștere a vorbirii offline care funcționează fără o conexiune la internet. Acesta suportă 20 de limbi cu modele compacte care pot rula pe dispozitive mobile, Raspberry Pi, și orice platformă. Construit pe arhitecturi Kaldi și Zipformer.
Limbi suportate de Vosk
Informații model
- FurnizorAlpha Cephei
- Arhitectura-
- LicențăApache 2.0
- ActualizatMar 2026
Întrebări frecvente
Vosk este un model de vorbire la text până la Alpha Cephei. STT.ai găzduiește Vosk pe infrastructura noastră GPU astfel încât să-l puteți utiliza fără a furniza propriul hardware – încărca audio sau video și alege Vosk de la selector de model.
Pe baza standardelor de referință, Vosk realizează aproximativ 12.0% Rata de eroare Word. Acuratețea lumii reale depinde de calitatea audio, accentul și limba; pentru înregistrări zgomotoase sau accentuate, se așteaptă la câteva puncte procentuale mai mari WER.
Vosk se desfășoară pe nivelul gratuit al STT.ai - fiecare vizitator deține 600 de minute pentru a începe fără cost. Planurile plătite adaugă mai mult limite pe fișier, tranșe private și coada prioritară.
Vosk este lansat sub Apache 2.0, o licență permisivă de open-source. Puteți auto-gazdă Vosk pe propriul hardware sau utiliza versiunea noastră gazdă — ambele sunt utilizabile comercial.
Vosk suportă 20 limbi. Auto-detection alege limba corectă pentru majoritatea audio; puteți, de asemenea, să o specificați manual pentru un mic lift de precizie.
Vosk procesează audio la aproximativ 100.0x în timp real pe GPU-urile noastre. Un fișier audio de 1 oră se termină în sub 1 minute; fișiere mai lungi coada și notificare prin e-mail atunci când este gata.
Vosk are parametri 50M. Modelele mai mari tind să fie mai precise, dar mai lent; STT.ai găzduiește Vosk pe GPU astfel încât numărul de parametri nu afectează performanța client-side.
Vosk acceptă fiecare format de suport STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI și alții. Produsă ca TXT, SRT, VTT, DOCX, JSON sau PDF.
Da. Diarizarea speakerului merge alături de Vosk pentru fiecare transcriere — fiecare speaker este etichetat și le puteți renoma în editor după aceea.
Da. Vosk rulează în mediul nostru gestionat – audio este prelucrat și șterse în mod implicit și nu este utilizat niciodată pentru antrenament fără opt-in explicit. Pro planuri adaugă criptare pe partea clientului pentru transcripții în odihnă.
Utilizați instrumentul compara-stt pentru a rula Vosk împotriva oricărui alt model suportat pe același audio — veți vedea WER, număr de segmente, etichete de speaker și scoruri de încredere lado-a-side. Vosk vs Whisper Large V3 comparație este cel mai frecvent rulat.
Da. Specificați "vosk" ca parametrul model pe punctul final /v1/transcrie. Python și Node.js SDKs includ Vosk exemple. Nivelul API gratuit include 100 minute/luna.
Da. Deoarece Vosk este Apache 2.0- licenciat, puteți să-l găzduiți. STT.ai de pagini de open-source listează proiectul repo și greutăți. Cele mai multe echipe de producție folosesc versiunea noastră găzduită pentru a trece peste GPU achiziții, swaps de model și ops.