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.
- Preis
- ca. 0,0241 $/Lauf
- Eingabe → Ausgabe
- Audio → Text
- Entwickler
- Community
- Aktualisiert
- 23. September 2026
Playground
WhisperX ausprobieren
Eingabe & Ergebnis
Dieser Lauf
ca. 0,0241 $ · 2,41 Credits
Beim Start werden 0,0721 $ (7,21 Credits) vorgemerkt, abgerechnet wird die tatsächliche GPU-Zeit.
Für Konten ohne bisherigen Kauf: Läufe über 2 Credits brauchen eine Aufladung.
Neu hier?
10 Gratis-Credits (0,10 $) bei Anmeldung mit Google
Nutzbar 24 Stunden nach der Anmeldung, bis zu 5 Läufe pro Tag und höchstens 2 Credits je Lauf. Andere Anmeldearten starten ohne Guthaben.
Beispiele
Ausgabe (JSON, gekürzt)
{ "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" }
Über WhisperX
WhisperX ist ein Modell von Community aus der Kategorie Spracherkennung (STT). Über Railwail kostet WhisperX ca. 0,0241 $ pro Lauf.
Preise
| Typischer Lauf (ca. 14 s auf A100 (80GB)) | 0,0241 $ pro Lauf |
|---|---|
| GPU-Zeit (A100 (80GB)) | 0,00168 $ pro GPU-Sekunde |
- Abgerechnet wird die GPU-Zeit, die der Lauf tatsächlich braucht. Beim Start wird das 3-Fache des typischen Preises vom Guthaben vorgemerkt und danach verrechnet.
- 1 Credit = 0,01 $
Kostenrechner
Preisrechner
Typisch laut Anbieter: ca. 14,3 s
Gesamt
2,41 $
241 Credits
Je Lauf
0,0241 $ · 2,41 Credits
Abgerechnet wird die tatsächliche GPU-Zeit; der Wert ist eine Schätzung.
API
Kein geprüftes API-Beispiel
Die öffentliche API übergibt ein anderes Eingabeformat, als dieses Modell braucht. Nutze den Playground oben.
Spezifikationen
- Modell-ID
whisperx- Entwickler
- Community
- Kategorie
- Spracherkennung (STT)
- Eingabe
- Audio
- Ausgabe
- Text
- Abrechnung
- Nach Verbrauch (Token bzw. GPU-Zeit)
- Katalogeintrag aktualisiert
- 23. September 2026
Eingabeparameter
Eingaben und Einstellungen laut Eingabeschema des Modells. Welche davon die API annimmt, zeigt das Beispiel im Abschnitt API.
audio_filePflichtURL or upload of the audio file to transcribe
Typ: TextStandard: –Erlaubte Werte: –languageOptional ISO-639-1 language code; auto-detected if omitted
Typ: TextStandard: –Erlaubte Werte: –batch_sizeTyp: GanzzahlStandard:64Erlaubte Werte: 1 bis 64diarizationTyp: Ja/NeinStandard:falseErlaubte Werte: –align_outputTyp: Ja/NeinStandard:trueErlaubte Werte: –
Schlagwörter
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Einsatzgebiete
Häufige Fragen
Was ist WhisperX?
WhisperX ist ein Modell von Community aus der Kategorie Spracherkennung (STT).
Was kostet WhisperX bei Railwail?
Über Railwail kostet WhisperX ca. 0,0241 $ pro Lauf. Abgerechnet wird, was jede Anfrage tatsächlich verbraucht. Bezahlt wird mit vorab gekauften Credits; 1 Credit entspricht 0,01 $.
Welche Einstellungen unterstützt WhisperX?
Laut Eingabeschema kennt WhisperX diese Parameter: audio_file, language, batch_size (1 bis 64), diarization und align_output.
Wie schnell ist WhisperX?
Für WhisperX gibt es bei Railwail noch zu wenige gemessene Läufe, um eine Laufzeit anzugeben. Sie hängt von der Eingabe, den Einstellungen und der Auslastung beim Anbieter ab.
Ist WhisperX besser als Incredibly Fast Whisper?
Das hängt von der Aufgabe ab. WhisperX (Community) und Incredibly Fast Whisper (Community) sind beide Modelle aus der Kategorie Spracherkennung (STT). Die Vergleichsseite zeigt Preise und Spezifikationen nebeneinander.
WhisperX und Incredibly Fast Whisper vergleichenVergleichbare Modelle
Alle dieser Kategorie- 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.
Alle Modelle über eine API
Ein API-Schlüssel für alle Modelle auf Railwail. Abgerechnet wird über vorab gekaufte Credits, 1 Credit = 0,01 $.