Railwail
Вход

WhisperX

Преобразуване на реч в текстНалично
от CommunityID на модела: whisperx

WhisperX (Large v3) with forced alignment for accurate word-level timestamps plus optional speaker diarization. Uses VAD to cut long files into segments and a wav2vec2 aligner to pin each word to its exact time. Useful for subtitles and per-speaker transcripts.

ОпитайВземи API ключСравни
Цена
≈ 0,0241 щ.д./стартиране
Вход → Изход
Аудио → Текст
Разработчик
Community
Актуализирано
23 септември 2026 г.
01

Playground

Опитай WhisperX

Вход и резултат

≈ 0,0241 щ.д./стартиране
Опитай WhisperX

URL or upload of the audio file to transcribe

Разширени настройки (3)
Резултат
Транскриптът се появява тук.

Този запуск

около 0,0241 щ.д. · 2,41 кредита

При стартиране се резервират 0,0721 щ.д. (7,21 кредита); фактурира се действителното GPU време.

За акаунти без покупка: запусци над 2 кредита изискват допълнително зареждане.

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.

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.

  • Output (JSON, shortened)

    {
  "segments": [
    {
      "end": 30.811,
      "text": "The little tales they tell are false. The door was barred, locked and bolted as well. Ripe pears are fit for a queen's table. A big wet stain was on the round carpet. The kite dipped and swayed but stayed aloft. The pleasant hours fly by much too soon. The room was crowded with a mild wob.",
      "start": 2.585
    },
    {
      "end": 48.592,
      "text": "The room was crowded with a wild mob. This strong arm shall shield your honor. She blushed when he gave her a white orchid. The beetle droned in the hot June sun.",
      "start": 33.029
    }
  ],
  "detected_language": "en"
}
03

За WhisperX

НакраткоКъм 23 септември 2026 г.

WhisperX е модел на Community от категория Преобразуване на реч в текст. На Railwail WhisperX струва ≈ 0,0241 щ.д. за стартиране.

04

Цени

Цените са в US долари. Използването се начислява от предплатени кредити.
Типично стартиране (≈ 14 s на A100 (80GB))0,0241 щ.д. за стартиране
GPU време (A100 (80GB))0,00168 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 14,3 s

Общо

2,41 щ.д.

241 кредита

На изпълнение

0,0241 щ.д. · 2,41 кредита

Начислява се действителното GPU време; това е оценка.

05

API

Извикайте WhisperX с вашия Railwail API ключ. Използвайте този ID на модела в заявката:
whisperxAPI 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
whisperx
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.

  • audio_fileзадължително

    URL or upload of the audio file to transcribe

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

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

    Тип: Текст
    По подразбиране: –
    Разрешени стойности: –
  • batch_size
    Тип: Цяло число
    По подразбиране: 64
    Разрешени стойности: 1 до 64
  • diarization
    Тип: Да/Не
    По подразбиране: false
    Разрешени стойности: –
  • align_output
    Тип: Да/Не
    По подразбиране: true
    Разрешени стойности: –

Етикети

  • replicate
  • whisperx
  • stt
  • transcription
  • diarization
  • word-timestamps
  • multilingual
07

Случаи на използване

08

Често задавани въпроси

Какво е WhisperX?

WhisperX е модел от Community в категория Преобразуване на реч в текст.

Колко струва WhisperX на Railwail?

На Railwail WhisperX струва ≈ 0,0241 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 WhisperX?

Според схемата на входа, WhisperX познава тези параметри: audio_file, language, batch_size (1 до 64), diarization и align_output.

Колко бърз е WhisperX?

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

Е ли WhisperX по-добър от Incredibly Fast Whisper?

Зависи от задачата. WhisperX (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 WhisperX 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

    77 % по-евтино на единица

    Сравнете WhisperX 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

    86 % по-евтино на единица

    Сравнете WhisperX 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

    547 % по-скъпо на единица

    Сравнете WhisperX 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