Railwail
Вход

Whisper Diarization

Преобразуване на реч в текстНалично
от CommunityID на модела: whisper-diarization

Whisper Large v3 Turbo combined with pyannote 4.0 for speaker diarization, returning who-said-what segments with timestamps. Built by Thomas Mol. Returns a clean JSON of speaker-labeled segments, handy for meeting notes, interviews, and podcasts.

ОпитайВземи API ключСравни
Цена
≈ 0,0063 щ.д./стартиране
Вход → Изход
Аудио → Текст
Разработчик
Community
Актуализирано
23 септември 2026 г.
01

Playground

Опитай Whisper Diarization

Вход и резултат

≈ 0,0063 щ.д./стартиране
Опитай Whisper Diarization

0 / 1000

URL of the audio file to transcribe and diarize

Разширени настройки (2)

Optional fixed speaker count; estimated if omitted

Резултат
Транскриптът се появява тук.

Този запуск

около 0,0063 щ.д. · 0,63 кредита

При стартиране се резервират 0,0188 щ.д. (1,88 кредита); фактурира се действителното GPU време.

Нов си тук?

10 безплатни кредита (0,10 щ.д.) при регистрация с Google

Използваемо 24 часа след регистрация, до 5 запуска на ден и максимум 2 кредита на запуск. Други методи за вход стартират без кредита. Достатъчно за 5 пускания на този модел.

02

Examples

Real outputs from the public examples of this model on Replicate, with the prompt and settings that produced them. They were not generated live on this page.

  • Prompt

    LLama, AI, Meta.

    Output (JSON, shortened)

    {
  "language": "en",
  "segments": [
    {
      "end": 4.48,
      "text": "Let me ask you about AI.",
      "start": 2.94,
      "words": [
        {
          "end": 3.12,
          "word": "Let",
          "start": 2.94,
          "speaker": "SPEAKER_01",
          "probability": 0.685546875
        },
        {
          "end": 3.26,
          "word": "me",
          "start": 3.12,
          "speaker": "SPEAKER_01",
          "probability": 0.9990234375
        },
        {
          "end": 3.74,
          "word": "ask",
          "start": 3.26,
          "speaker": "SPEAKER_01",
          "probability": 0.998046875
        },
        {
          "end": 3.86,
          "word": "you",
          "start": 3.74,
          "speaker": "SPEAKER_01",
          "probability": 0.9921875
        },
        {
          "end": 4.1,
          "word": "about",
          "start": 3.86,
          "speaker": "SPEAKER_01",
          "probability": 0.9990234375
        },
        {
          "end": 4.48,
          "word": "AI.",
          "start": 4.1,
          "speaker": "SPEAKER_01",
          "probability": 0.966796875
        }
      ],
      "speaker": "SPEAKER_01",
      "duration": 1.5400000000000005,
      "avg_logprob": -0.17070312313735486
    },
    {
      "end": 11.66,
      "text": "It seems like this year for the entirety of the human civilization is an interesting year for the development of artificial intelligence.",
      "start": 4.72,
      "words": [
        {…

    Settings

    language
    en
03

За Whisper Diarization

НакраткоКъм 23 септември 2026 г.

Whisper Diarization е модел на Community от категория Преобразуване на реч в текст. На Railwail Whisper Diarization струва ≈ 0,0063 щ.д. за стартиране.

04

Цени

Цените са в US долари. Използването се начислява от предплатени кредити.
Типично стартиране (≈ 5 s на L40S)0,0063 щ.д. за стартиране
GPU време (L40S)0,00117 щ.д. за GPU секунда
  • Таксува се по GPU времето, което стартирането действително отнема. При начало на стартирането 3× типичната цена се резервира от баланса ти и се уреждат впоследствие.
  • 1 кредит = 0,01 щ.д.

Калкулатор на разходите

Калкулатор за цени

s

Типично според доставчика: около 5,3 s

Общо

0,63 щ.д.

63 кредита

На изпълнение

0,0063 щ.д. · 0,63 кредита

Начислява се действителното GPU време; това е оценка.

05

API

Извикайте Whisper Diarization с вашия Railwail API ключ. Използвайте този ID на модела в заявката:
whisper-diarizationAPI документацияПолучете API ключ

Няма проверен API пример

Публичният API предава различен входен формат, отколкото този модел нуждае. Използвайте playground по-горе.

06

Спецификации

ID на модела
whisper-diarization
Разработчик
Community
Категория
Преобразуване на реч в текст
Вход
Аудио
Изход
Текст
Таксуване
По потребление (токени или GPU време)
Каталогът е актуализиран
23 септември 2026 г.

Входни параметри

Входове и настройки от входната схема на модела. Примерът в раздела API показва кои от тях приема API.

  • file_urlзадължително

    URL of the audio file to transcribe and diarize

    Тип: Текст
    По подразбиране: –
    Разрешени стойности: –
  • prompt

    Optional vocabulary or context hint

    Тип: Текст
    По подразбиране: –
    Разрешени стойности: до 1000 символа
  • language

    Optional ISO-639-1 language code; auto-detected if omitted

    Тип: Текст
    По подразбиране: –
    Разрешени стойности: –
  • translate
    Тип: Да/Не
    По подразбиране: false
    Разрешени стойности: –
  • num_speakers

    Optional fixed speaker count; estimated if omitted

    Тип: Цяло число
    По подразбиране: –
    Разрешени стойности: 1 до 50

Етикети

  • replicate
  • whisper
  • stt
  • transcription
  • diarization
  • speaker-labels
  • multilingual
07

Случаи на използване

08

Често задавани въпроси

Какво е Whisper Diarization?

Whisper Diarization е модел от Community в категория Преобразуване на реч в текст.

Колко струва Whisper Diarization на Railwail?

На Railwail Whisper Diarization струва ≈ 0,0063 щ.д. за стартиране. Таксуват се само ресурсите, които всяка заявка действително използва. Използването се плаща с предварително закупени кредити; 1 кредит е равен на 0,01 щ.д..

Какви настройки поддържа Whisper Diarization?

Според схемата на входа, Whisper Diarization познава тези параметри: file_url, prompt (до 1000 символа), language, translate и num_speakers (1 до 50).

Колко бърз е Whisper Diarization?

Все още няма достатъчно измерени задачи на Whisper Diarization на Railwail, за да се посочи време на изпълнение. Зависи от входа, настройките и натоварването на доставчика.

Е ли Whisper Diarization по-добър от Incredibly Fast Whisper?

Зависи от задачата. Whisper Diarization (Community) и Incredibly Fast Whisper (Community) са и двата модела в категория Преобразуване на реч в текст. Страницата за сравнение показва техните цени и спецификации един до друг.

Сравни Whisper Diarization и Incredibly Fast Whisper
09

Сравними модели

Всички в тази категория
  • Incredibly Fast WhisperCommunity

    Whisper Large v3 wrapped with Hugging Face Transformers optimizations (batched inference, flash attention) for very high throughput. Transcribes hours of audio in minutes on a single GPU. Maintained by Vaibhav Srivastav. Good when you need bulk transcription fast.

    ≈ 0,0056 щ.д./стартиране

    11 % по-евтино на единица

    Сравнете Whisper Diarization и Incredibly Fast Whisper
  • WhisperOpenAI

    OpenAI's Whisper running on Replicate. General-purpose speech recognition trained on 680k hours of multilingual audio. Transcribes and translates 99 languages, robust to accents and background noise, and outputs plain text, segments, or word-level timestamps.

    ≈ 0,0034 щ.д./стартиране

    46 % по-евтино на единица

    Сравнете Whisper Diarization и Whisper
  • SeamlessM4TCommunity

    Meta's SeamlessM4T multimodal translation model. Takes speech or text input and produces transcription or translation across about 100 languages, including speech-to-text and speech-to-speech. One model covers ASR plus cross-lingual translation without chaining separate systems.

    ≈ 0,156 щ.д./стартиране

    2376 % по-скъпо на единица

    Сравнете Whisper Diarization и SeamlessM4T

Всички модели чрез един API

Един API ключ за всеки модел на Railwail. Използването се начислява от предплатени кредити, 1 кредит = 0,01 щ.д..

Получете API ключПреглед на всички модели