Ingeskryf met Whisper Turbo
5.1%
WER
99
Tale
23.1x
Spoed
MIT
Lisensie
Aangaande Whisper Turbo
Whisper Turbo (groot-v3-turbo) is 'n gedistilleerde weergawe van Whipers Groot V3 wat aansienlik verminder inferensie tyd terwyl dit mededingende akkuraatheid handhaaf. Met slegs 4 dekoder lae in plaas van 32, verkry dit 'n 4x spoedup.
Model InligtingName
- VerskafferOpenAI
- Argitektuur-
- LisensieMIT
- OpgedateerCancel: Meeting NameMeetingAug 2026
Vrae wat dikwels gevra word
Whisper Turbo is 'n spraak-na-teksmodel met OpenAI. STT.ai gashere van ons GPU-fu-U-fustrasie sodat jy dit kan gebruik sonder om jou eie hardeware te verskaf ooit klank of video op te laai en Whisper Turbo van die modelpikkel te kies.
Op standaard bankmerke bereik Whisper Turbo om 5.1% Woord Fout tempo. Real-world akkuraatheid hang af van klankgehalte, aksent en taal; vir lawaaierige of gefluurde opnames, verwag 'n paar persentasie punte hoër WER.
Whisper Turbo loop op STT.ai se vry vlak ooit ooit meer as 600 minute om te begin teen geen koste nie. Paid planne voeg langer per-lêer perke by, private transkripsies en prioriteit wagtoue.
Whisper Turbo word vrygestel onder MIT, 'n permissiewe open-onse lisensie. Jy kan self-host Whisper Turbo op jou eie hardeware of gebruik ons gegasheer weergawe 2 is kommersieel bruikbaar.
Whisper Turbo ondersteun 99 tale. Outo-speur die regte taal vir die meeste oudio; u kan dit ook self spesifiseer vir 'n klein akkuraatheid.
Whisper Turbo verwerk klank oor ongeveer 23.1x real-time op ons GPUs. 'n 1-hour klank lêer eindig onder 2 minute; langer lêers wag en inkennis stel deur e-pos wanneer dit gedoen word.
Whisper Turbo het 809M parameters. Groter modelle is geneig om akkurater maar stadiger te wees; STT.ai-gashere Whisper Turbo op GPU sodat die parametertelling nie jou kliënt-side-prestasie beïnvloed nie.
Whisper Turbo accepts every format STT.ai supports — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, and others. Output as TXT, SRT, VTT, DOCX, JSON, or PDF.
Ja, Speaker diarisering loop langs Whisper Turbo vir elke transkripsie ium ium word elke spreker gemerk en jy kan hulle na die volgende in die redigeerder hernoem.
Ja. Whisper Turbo loop in ons bestuurde omgewing Lazlo-oudio word verwerk en uitgevee deur verstek en nooit gebruik vir opleiding sonder eksplisiete opt-in nie. Pro planne voeg kliënt-side enkripsie vir transkripsies op res.
Gebruik die vergelyk-stel gereedskap om Whisper Turbo te laat loop teen enige ander ondersteunde model op dieselfde oudio DVD jy sal sien WER, segment tel, luidspreker etikette en vertroue punte kant- by-side. die Whisper Turbo vs Whift Groot V3 vergelyking is die algemeenste hardloop.
Ja. Spesifiseer "whisper-turbo" as die model parameter op die /v1/aanteken eindepunt. Python en Node.js SDKs sluit 8800 voorbeelde in. Vry 'nPI-vlak sluit 100 minute/month in.
Ja. Omdat Whisper Turbo MIT-licensed is, kan jy self-host dit. STT.ai se ope-bou-blad gee 'n lys van die projek repo en gewigte. Mees produksiespanne gebruik ons gemoÃ" weergawe om GPU-berigting, model ruilinge en eeps te laat vaar.