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
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 STT.ai — fiecare vizitator obține 600 de minute/luna fără cost. Planurile plătite adaugă mai mult limite pe fișier, transcripții 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.