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
Vanliga frågor
Vosk är en tal-till-text-modell med Alpha Cephei. STT.ai värd Vosk på vår GPU-infrastruktur så att du kan använda den utan att tillhandahålla din egen hårdvara – ladda upp ljud eller video och plocka Vosk från modellen plockare.
På standard riktmärken, Vosk uppnår cirka 8801% Word Felfrekvens. Real-world noggrannhet beror på ljudkvalitet, accent och språk; för bullriga eller accentiva inspelningar, förvänta sig några procentenheter högre WER.
Vosk körs på STT.ai gratis nivå – varje besökare får 600 minuter/månad utan kostnad. Betald planer lägga längre per fil gränser, privata utskrifter, och prioritet köa.
Vosk släpps under Apache 2.0, en tillåtande öppen källkod licens. Du kan själv värd Vosk på din egen hårdvara eller använda vår värd version – båda är kommersiellt användbara.
Vosk stöder 20 språk. Automatisk upptäckt väljer rätt språk för de flesta ljud; du kan också ange det manuellt för en liten noggrannhet lyft.
Vosk behandlar ljud på ca 100.0x realtid på våra GPUs. En 1-timmars ljudfil slutar på under 1 minuter; längre filer köa och meddela via e-post när det är gjort.
Vosk har 50M parametrar. Större modeller tenderar att vara mer exakta men långsammare; STT.ai värd Vosk på GPU så parametern räknas inte påverkar din klient-sidan prestanda.
Vosk accepterar varje format STT.ai stöder — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, med flera. Utmatning som TXT, SRT, VTT, DOCX, JSON, eller PDF.
Ja. Högtalardiarization körs vid sidan av Vosk för varje transkription — varje talare är märkt och du kan byta namn på dem i redaktören efteråt.
Ja. Vosk körs i vår hanterade miljö — ljud behandlas och tas bort som standard och aldrig används för utbildning utan uttrycklig opt-in. Pro planer lägga klient-side kryptering för utskrifter i vila.
Använd jämförelse-stt verktyg för att köra Vosk mot någon annan stöds modell på samma ljud - du kommer att se WER, segment räkna, högtalare etiketter och förtroende poäng sida vid sida. Vosk vs Whisper Large V3 jämförelse är den vanligaste köras.
Ja. Ange "vosk" som modellparameter för /v1/transkriptiv endpoint. Python och Node.js SDKs inkluderar Vosk exempel. Gratis API-nivå inkluderar 100 minuter/månad.
Ja. Eftersom Vosk är Apache 2.0-licensierad, kan du själv värd den. STT.ai öppen källkod sida listar projektet repo och vikter. De flesta produktionsteam använder vår värd version för att hoppa över GPU upphandling, modellswappar, och ops.