प्रत्ययः Vosk
12.0%
WER
20
भाषाः
100.0x
गतिः
Apache 2.0
लाइसेन्स
विषये Vosk
Vosk एकः ऑफलाइन भाषण- ज्ञापन- यन्त्रम् अस्ति यत्र इंटरनेट- कनेक्शन् न विद्यते । 20+ भाषाः सह मोबाईल- डिवाइसेस्, Raspberry Pi, तथा अन्ये प्लेट्फॉर्म्स परं चलने योग्यानि कम्प्रेस्ड- मॉडेलानि सञ्चालितानि सन्ति । Kaldi तथा Zipformer आर्किटेक्चरेषु निर्मितम् ।
मॉडेल- सूचना
- प्रदाताAlpha Cephei
- आर्किटेक्चर-
- लाइसेन्सApache 2.0
- अद्यतनीकृतःMar 2026
यदा-कदा सोध्यमानानि प्रश्नानि
Vosk is a speech-to-text model by Alpha Cephei. STT.ai hosts Vosk on our GPU infrastructure so you can use it without provisioning your own hardware — upload audio or video and pick Vosk from the model picker.
Vosk-या 12.0% शब्द-त्रुटि-दरः अस्ति। वास्तविक-विश्वे त्रुटि-निवारणं ध्वनि-गुणवत्ते, उच्चारणे, भाषायां च निर्भरम् अस्ति। शोरमय-या उच्चारणयुक्त-रेकॉर्डिङ्ग-कार्ये WER-गुणवत्तेः प्रति प्रतिशतं 100% अधिकं भविष्यति।
Vosk STT.ai's free tier परम् चलति - प्रत्येकं आगन्तुकः 600 मिनटान् विनामूल्य प्रारब्धुं प्राप्नोति। शुल्कं दत्तानि योजनानि अधिकतमं प्रति-फाइलम् सीमां, निजीं वार्तालापं, तथा प्राथमिकतां सूचयितुं प्रदत्तानि।
Vosk Apache 2.0, एकः अनुकूलः ओपन-सोर्स-लिसिन् इत्यनेन जारीः अस्ति । Vosk तम् अहं स्व-होस्टं कृत्वा तम् अहं ह्यर्डवेर् परं स्थापयितुं शक्नुमि, अथवा तम् अहं ह्यर्डवेर् परं स्थापयितुं शक्नुमि — एतयोः द्वयोः व्यापारिकः उपयोगः क्रियते ।
Vosk 20 भाषान् समर्थयति । स्वचालित-दृष्टिः अधिकतरेभ्यः ऑडियोभ्यः उचितं भाषां चेत् । तव येन प्रकारेण स्वचालिततया चेत् तात्पुरं अधिकं स्थिरं भाषां चेत् ।
Vosk प्रोसेसस् ऑडियो 100.0x रियल-टाइम परन्तु आमने-सामने GPUs. एक 1-घण्टा ऑडियो फाइल 1 मिनटे समाप्तः; अधिक फाइल्स क्यूएन्, तथा इलेक्ट्रॉनिक-मेल द्वारा सूचना दीयते जब पूरा किया जाता है।
Vosk स्य 50M परमाणुः सन्ति । बृहत् मॉडेलः अधिकं सटीकं तथापि धीमं भवति । STT.ai Vosk म् GPU परम् स्थापयति, अतः परमाणुसंख्या स्य क्लायन्ट-साइड परफॉर्मेन्सिम् न प्रभाविता भवति ।
Vosk स्वीकरोति STT.ai समर्थितेषु सर्वेषु प्रारूपेषु — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, and others. Output as TXT, SRT, VTT, DOCX, JSON, or PDF.
Vosk-प्रणालिः प्रत्येकं वार्तालेखनम् सम्पादयितुम् Vosk-प्रणालिः सह सह चलति — प्रत्येकं वार्तालेखनम् लेबलीकृतम् अस्ति, तथापि वार्तालेखनस्य सम्पादनस्य क्रममा Vosk-प्रणालिः सह सह सह चलति ।
Vosk सञ्चालितेषु वातावरणेषु सञ्चालितम् - अडियो प्रक्रियया प्रवर्त्यते, डिफॉल्टेन लोप्यते, तथा पर्यवेक्षणार्थं स्वीक्रियते। प्रो प्लान्स् क्रीडायां न सञ्चालितानां वार्तानां क्लायन्ट-साइड एन्क्रिप्शनम् आगच्छति।
Vosk सह अन्ये समर्थिताः मॉडेलः समाने ऑडियो पर्यन्तं चलयितुं compare-stt यन्त्रं सञ्चालितं भवति - WER, segment count, speaker labels, and confidence scores side-by-side दृश्यन्ते । Vosk वि Whisper Large V3 सह तुलना सर्वाधिकं प्रचलति ।
vosk इति मॉडेल-परिमाणम् /v1/transcribe-एण्डपॉइंट् पर्यन्तं निर्दिष्टं भवति। Python तथा Node.js SDKs Vosk उदाहरणानि समाविष्टानि सन्ति। मुफ्त-API-स्तरे 100 मिनटाः/मासः समाविष्टाः सन्ति।
STT.ai's open-source page lists the project repo and weights. Most production teams use our hosted version to skip GPU procurement, model swaps, and ops. STT.ai's open-source page lists the project repo and weights.