WhisperX
whisperxWhisperX (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.
- Cena
- ≈ 0,0241 US$/spuštění
- Vstup → výstup
- Audio → Text
- Vývojář
- Community
- Aktualizováno
- 23. září 2026
Playground
Vyzkoušet WhisperX
Vstup a výstup
Tento běh
přibližně 0,0241 US$ · 2,41 credits
Na začátku se rezervuje 0,0721 US$ (7,21 credits), fakturuje se skutečný čas GPU.
Pro účty bez předchozího nákupu: běhy nad 2 credits vyžadují dobití.
Nový zde?
10 bezplatných credits (0,10 US$) při registraci přes Google
Použitelné 24 hodin po registraci, až 5 běhů za den a maximálně 2 credits za běh. Ostatní způsoby přihlášení začínají bez credits.
Examples
Output (JSON, shortened)
{ "segments": [ { "end": 30.811, "text": "The little tales they tell are false. The door was barred, locked and bolted as well. Ripe pears are fit for a queen's table. A big wet stain was on the round carpet. The kite dipped and swayed but stayed aloft. The pleasant hours fly by much too soon. The room was crowded with a mild wob.", "start": 2.585 }, { "end": 48.592, "text": "The room was crowded with a wild mob. This strong arm shall shield your honor. She blushed when he gave her a white orchid. The beetle droned in the hot June sun.", "start": 33.029 } ], "detected_language": "en" }
O WhisperX
WhisperX je model od Community v kategorii Převod řeči na text. Na Railwail stojí WhisperX ≈ 0,0241 US$ za spuštění.
Ceny
| Typické spuštění (≈ 14 s na A100 (80GB)) | 0,0241 US$ za spuštění |
|---|---|
| GPU čas (A100 (80GB)) | 0,00168 US$ za GPU sekundu |
- Účtuje se GPU čas, který spuštění skutečně trvá. Při spuštění je z vašeho zůstatku rezervováno 3× typická cena a později se vypořádá.
- 1 kredit = 0,01 US$
Kalkulátor nákladů
Kalkulátor cen
Typicky podle poskytovatele: přibližně 14,3 s
Celkem
2,41 US$
241 kreditů
Na spuštění
0,0241 US$ · 2,41 kreditů
Účtuje se skutečný čas GPU; jedná se o odhad.
API
Žádný ověřený příklad API
Veřejné API předává jiný formát vstupu, než tento model potřebuje. Použijte playground výše.
Specifikace
- ID modelu
whisperx- Vývojář
- Community
- Kategorie
- Převod řeči na text
- Vstup
- Audio
- Výstup
- Text
- Fakturace
- Podle použití (tokeny nebo GPU čas)
- Záznam v katalogu aktualizován
- 23. září 2026
Vstupní parametry
Vstupy a nastavení ze vstupního schématu modelu. Příklad v sekci API ukazuje, které z nich API přijímá.
audio_filepovinnéURL or upload of the audio file to transcribe
Typ: TextVýchozí: –Povolené hodnoty: –languageOptional ISO-639-1 language code; auto-detected if omitted
Typ: TextVýchozí: –Povolené hodnoty: –batch_sizeTyp: Celé čísloVýchozí:64Povolené hodnoty: 1 až 64diarizationTyp: Ano/NeVýchozí:falsePovolené hodnoty: –align_outputTyp: Ano/NeVýchozí:truePovolené hodnoty: –
Štítky
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Případy použití
Často kladené otázky
Co je WhisperX?
WhisperX je model od Community v kategorii Převod řeči na text.
Kolik stojí WhisperX na Railwail?
Na Railwail stojí WhisperX ≈ 0,0241 US$ za spuštění. Platíte za to, co každý požadavek skutečně spotřebuje. Použití se platí z předplacených kreditů; 1 kredit se rovná 0,01 US$.
Jaká nastavení WhisperX podporuje?
Podle schématu vstupu WhisperX zná tyto parametry: audio_file, language, batch_size (1 až 64), diarization a align_output.
Jak rychlý je WhisperX?
Pro WhisperX je na Railwail zatím příliš málo naměřených spuštění na uvedení doby běhu. Závisí na vstupu, nastavení a zátěži u poskytovatele.
Je WhisperX lepší než Incredibly Fast Whisper?
Záleží na úkolu. WhisperX (Community) a Incredibly Fast Whisper (Community) jsou oba modely v kategorii Převod řeči na text. Stránka porovnání zobrazuje jejich ceny a specifikace vedle sebe.
Porovnat WhisperX a Incredibly Fast WhisperSrovnatelné modely
Všechny v této kategorii- Incredibly Fast WhisperCommunity
Whisper Large v3 wrapped with Hugging Face Transformers optimizations (batched inference, flash attention) for very high throughput. Transcribes hours of audio in minutes on a single GPU. Maintained by Vaibhav Srivastav. Good when you need bulk transcription fast.
- WhisperOpenAI
OpenAI's Whisper running on Replicate. General-purpose speech recognition trained on 680k hours of multilingual audio. Transcribes and translates 99 languages, robust to accents and background noise, and outputs plain text, segments, or word-level timestamps.
- SeamlessM4TCommunity
Meta's SeamlessM4T multimodal translation model. Takes speech or text input and produces transcription or translation across about 100 languages, including speech-to-text and speech-to-speech. One model covers ASR plus cross-lingual translation without chaining separate systems.
Všechny modely přes jednu API
Jeden API klíč pro všechny modely na Railwail. Použití se účtuje z předplacených kreditů, 1 kredit = 0,01 US$.