Ku soo celin Vosk
12.0%
WER
20
Afaf
100.0x
Xawaaraha
Apache 2.0
Liisan
_Qormo Vosk
Vosk waa toolkit aqoonsiga hadalka offline oo aan xiriir internet ah lahayn. Waxay taageertaa 20 + luqadood oo leh moodello compact ah oo ku shaqeeya qalabka moobiilka, Raspberry Pi, iyo barnaamij kasta. Waxaa lagu dhisay Kaldi iyo Zipformer architectures.
Afaf lagu taageerayo Vosk
Macluumaad qaabka
- BixiyeAlpha Cephei
- Naqshadeynta-
- LiisanApache 2.0
- La cusbooneysiiyayMar 2026
Su'aalaha badanaa la isweydiiyo
Vosk waa qaab hadal-u-qoraalka ah oo ay sameysay Alpha Cephei. STT.ai waxay martigelisaa Vosk dhismaha GPU-ga si aad u isticmaali karto iyada oo aan la siin qalabkaaga - soo dejisan audio ama fiidiyowga oo ka qaado Vosk ka mid ah qaabka dooran.
On tirakoobyada caadiga ah, Vosk gaadhay in ka badan 12.0% Word Error Rate. Real-world saxnaanta ku xiran tahay tayada audio, afka, iyo afka; in ay maqal ah ama afka, ka fikiraan boqolkiiba dhibcood yar oo ka sareeya WER.
Vosk wuxuu ku socdaa STT.ai's free tier - booqde kasta wuxuu helayaa daqiiqado 600 si uu u bilaabo lacag la'aan. Qorshaha la bixiyo wuxuu ku darayaa xaddidaadyo dheeri ah oo ku saabsan faylasha, qoraallada gaarka ah, iyo soo jiidashada hormuudka.
Vosk waxaa lagu soo saaray hoos Apache 2.0, a permissive license furan-source. Waxaad awoodi kartaa self-host Vosk on your hardware ama isticmaali version our martida — labadaba waa ganacsi loo isticmaali karo.
Vosk taageeraa 20 luqadood. Auto-ka-qabashada doorata luqadda saxda ah ee audio ugu badan; waxaad sidoo kale ku qeexi kartaa gacanta si ay u qaado saxnaanta yar.
Vosk audio ku saabsan 100.0x waqti dhab ah on our GPUs. A 1-saac file audio dhamaystiran hoos 1 daqiiqo; files dheeri ah oo fariin email ah marka la sameeyo.
Vosk waxaa ku jira 50M parameters. Models weyn u badan tahay in ay ka sii sax ah laakiin ka sii dhakhso badan; STT.ai martida Vosk on GPU sidaas darteed tirada parameter ma saameyn ku yeelan doontaa shaqadaaga dhinac macaamiisha.
Vosk aqbalaa qaab kasta oo STT.ai taageeraya — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, iyo kuwa kale. soo saarka sida TXT, SRT, VTT, DOCX, JSON, ama PDF.
Haa. Speaker diarization la socda Vosk oo ku saabsan qoraal kasta — hadal kasta oo waxaa lagu calaamadiyay oo waxaad ku bedeli kartaa magacooda editor ka dib.
Haa. Vosk ku socda deegaankayaga maamula - audio waa la xakamayn karaa oo la tirtiri karaa si default ah oo aan marnaba loo isticmaalin tababarka aan la oggolaanin. Pro qorshayaasha ku darto sirta dhinac macaamiisha ee qoraalada fadhiya.
isticmaali qalab la barbar dhigo-stt si ay u socdaan Vosk ka hor mid ka mid ah noocyada kale ee taageeray on audio isku mid ah - waxaad arki doontaa WER, qaybta tirada, labels hadal, iyo kalsoonida dhibcaha dhinac-by-laab. The Vosk vs Whisper Large V3 la barbardhigo waa ugu badan ee caadiga ah la socda.
Haa. Xulo "vosk" sida paramtirka moodalka ee / v1 / transcribe endpoint. Python iyo Node.js SDKs waxaa ka mid ah Vosk tusaale. Free API tier waxaa ka mid ah 100 daqiiqo / bilood.
Waa yaabe. Sababtoo ah Vosk waa Apache 2.0-licensed, waxaad awoodi kartaa inaad iska diiwaangeliso. STT.ai's open-source page liiska mashruuca repo iyo miisaanka. Kooxaha wax soo saarka badankood waxay isticmaalaan noocayaga martida ah si ay u dhaafaan GPU iibka, qaababka isbeddelka, iyo ops.