Whisper Diarization

Name: Whisper Diarization
Brand: Community
SKU: whisper-diarization
Price: 0.0063 USD
Availability: InStock

Talestemme-til-tekst (STT)Tilgængelig

af Communitywhisper-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.

Prøv det Få API-nøgle Sammenlign

Pris: ≈ 0,0063 US$/kørsel
Input → output: Lyd → Tekst
Udvikler: Community
Opdateret: 23. september 2026

Playground

Prøv Whisper Diarization

Input & resultat

≈ 0,0063 US$/kørsel

Prompt(valgfrit)

0 / 1.000

Audio File URL

URL of the audio file to transcribe and diarize

Sprog(valgfrit)

Avancerede indstillinger (2)

Number of Speakers(valgfrit)1–50

Optional fixed speaker count; estimated if omitted

Translate to English

⌘/Ctrl + Enter

Resultat

Transskriptionen vises her.

Denne kørsel

ca. 0,0063 US$ · 0,63 credits

0,0188 US$ (1,88 credits) reserveres ved start; den faktiske GPU-tid faktureres.

Ny her?

10 gratis credits (0,10 US$) når du tilmelder dig med Google

Kan bruges 24 timer efter tilmelding, op til 5 kørsler pr. dag og højst 2 credits pr. kørsel. Andre login-metoder starter uden credits. Nok til 5 kørsler af denne model.

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

Om Whisper Diarization

Kort sagtFra 23. september 2026

Whisper Diarization er en model af Community i kategorien Talestemme-til-tekst (STT). På Railwail koster Whisper Diarization ≈ 0,0063 US$ pr. kørsel.

Priser

Priser i US-dollar. Forbrug debiteres fra forudbetalte credits.

Typisk kørsel (≈ 5 s på L40S)	0,0063 US$ pr. kørsel
GPU-tid (L40S)	0,00117 US$ pr. GPU-sekund

Faktureres efter den GPU-tid, som kørslen faktisk tager. Når kørslen starter, reserveres 3× den typiske pris fra din saldo og afregnes efterfølgende.
1 kredit = 0,01 US$

Omkostningsberegner

Prisberegner

GPU-sekunder pr. kørsel

Typisk ifølge udbyderen: ca. 5,3 s

Kørsler

I alt

0,63 US$

63 credits

Pr. kørsel

0,0063 US$ · 0,63 credits

Fakturering efter faktisk GPU-tid; dette er et estimat.

API

Kald Whisper Diarization med din Railwail API-nøgle. Brug dette model-ID i anmodningen:

whisper-diarizationAPI-dokumentation Få en API-nøgle

Intet bekræftet API-eksempel

Den offentlige API sender et andet inputformat end det, som denne model har brug for. Brug playground ovenfor.

Specifikationer

Model-ID: whisper-diarization
Udvikler: Community
Kategori: Talestemme-til-tekst (STT)
Input: Lyd
Output: Tekst
Fakturering: Efter forbrug (tokens eller GPU-tid)
Katalogelement opdateret: 23. september 2026

Inputparametre

Inputs og indstillinger fra modellens inputskema. Eksemplet i API-afsnittet viser, hvilke af dem API'en accepterer.

ParameterTypeStandardTilladte værdier

file_urlpåkrævet
URL of the audio file to transcribe and diarize
Type: Tekst
Standard: –
Tilladte værdier: –
prompt
Optional vocabulary or context hint
Type: Tekst
Standard: –
Tilladte værdier: op til 1.000 tegn
language
Optional ISO-639-1 language code; auto-detected if omitted
Type: Tekst
Standard: –
Tilladte værdier: –
translate
Type: Ja/Nej
Standard: false
Tilladte værdier: –
num_speakers
Optional fixed speaker count; estimated if omitted
Type: Heltal
Standard: –
Tilladte værdier: 1 til 50

Anvendelsestilfælde

Relaterede vejledninger

Speech-to-Text & Transcription Models

Alle modeller i Talestemme-til-tekst (STT)

Ofte stillede spørgsmål

Hvad er Whisper Diarization?

Whisper Diarization er en model fra Community i kategorien Talestemme-til-tekst (STT).

Hvad koster Whisper Diarization på Railwail?

På Railwail koster Whisper Diarization ≈ 0,0063 US$ pr. kørsel. Du betaler for det, som hver anmodning faktisk bruger. Forbrug betales fra forudbetalte credits; 1 credit svarer til 0,01 US$.

Hvilke indstillinger understøtter Whisper Diarization?

Ifølge dens inputskema kender Whisper Diarization disse parametre: file_url, prompt (op til 1.000 tegn), language, translate og num_speakers (1 til 50).

Hvor hurtig er Whisper Diarization?

Der er endnu ikke nok målte kørsler af Whisper Diarization på Railwail til at angive en udførelsestid. Det afhænger af inputtet, indstillingerne og belastningen hos provideren.

Er Whisper Diarization bedre end Incredibly Fast Whisper?

Det afhænger af opgaven. Whisper Diarization (Community) og Incredibly Fast Whisper (Community) er begge modeller i kategorien Talestemme-til-tekst (STT). Sammenligningssiden viser deres priser og specifikationer side om side.

Sammenlign Whisper Diarization og Incredibly Fast Whisper

Sammenlignelige modeller

Alle i denne kategori

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 US$/kørsel
11 % billigere pr. enhed
Sammenlign Whisper Diarization og Incredibly Fast Whisper
WhisperOpenAI
OpenAI's Whisper running on Replicate. General-purpose speech recognition trained on 680k hours of multilingual audio. Transcribes and translates 99 languages, robust to accents and background noise, and outputs plain text, segments, or word-level timestamps.
≈ 0,0034 US$/kørsel
46 % billigere pr. enhed
Sammenlign Whisper Diarization og 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 US$/kørsel
2.376 % dyrere pr. enhed
Sammenlign Whisper Diarization og SeamlessM4T

Alle modeller via én API

En API-nøgle til alle modeller på Railwail. Forbrug debiteres fra forudbetalte credits, 1 credit = 0,01 US$.

Få API-nøgle Se alle modeller