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.
- Pris
- ≈ 0,0241 US$/kørsel
- Input → output
- Lyd → Tekst
- Udvikler
- Community
- Opdateret
- 23. september 2026
Playground
Prøv WhisperX
Input & resultat
Denne kørsel
ca. 0,0241 US$ · 2,41 credits
0,0721Â US$ (7,21 credits) reserveres ved start; den faktiske GPU-tid faktureres.
For konti uden tidligere køb: kørsler over 2 credits kræver en opladning.
Ny her?
10 gratis credits (0,10 US$) når du tilmelder dig med Google
Kan bruges 24 timer efter tilmelding, op til 5 kørsler pr. dag og højst 2 credits pr. kørsel. Andre login-metoder starter uden credits.
Examples
Output (JSON, shortened)
{ "segments": [ { "end": 30.811, "text": "The little tales they tell are false. The door was barred, locked and bolted as well. Ripe pears are fit for a queen's table. A big wet stain was on the round carpet. The kite dipped and swayed but stayed aloft. The pleasant hours fly by much too soon. The room was crowded with a mild wob.", "start": 2.585 }, { "end": 48.592, "text": "The room was crowded with a wild mob. This strong arm shall shield your honor. She blushed when he gave her a white orchid. The beetle droned in the hot June sun.", "start": 33.029 } ], "detected_language": "en" }
Om WhisperX
WhisperX er en model af Community i kategorien Talestemme-til-tekst (STT). På Railwail koster WhisperX ≈ 0,0241 US$ pr. kørsel.
Priser
| Typisk kørsel (≈ 14 s på A100 (80GB)) | 0,0241 US$ pr. kørsel |
|---|---|
| GPU-tid (A100 (80GB)) | 0,00168Â 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 = 0,01Â US$
Omkostningsberegner
Prisberegner
Typisk ifølge udbyderen: ca. 14,3 s
I alt
2,41Â US$
241 credits
Pr. kørsel
0,0241 US$ · 2,41 credits
Fakturering efter faktisk GPU-tid; dette er et estimat.
API
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
whisperx- 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.
audio_filepåkrævetURL or upload of the audio file to transcribe
Type: TekstStandard: –Tilladte værdier: –languageOptional ISO-639-1 language code; auto-detected if omitted
Type: TekstStandard: –Tilladte værdier: –batch_sizeType: HeltalStandard:64Tilladte værdier: 1 til 64diarizationType: Ja/NejStandard:falseTilladte værdier: –align_outputType: Ja/NejStandard:trueTilladte værdier: –
Tags
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Anvendelsestilfælde
Relaterede vejledninger
Alle modeller i Talestemme-til-tekst (STT)Ofte stillede spørgsmål
Hvad er WhisperX?
WhisperX er en model fra Community i kategorien Talestemme-til-tekst (STT).
Hvad koster WhisperX på Railwail?
På Railwail koster WhisperX ≈ 0,0241 US$ pr. kørsel. Du betaler for det, som hver anmodning faktisk bruger. Forbrug betales fra forudbetalte credits; 1 credit svarer til 0,01 US$.
Hvilke indstillinger understøtter WhisperX?
Ifølge dens inputskema kender WhisperX disse parametre: audio_file, language, batch_size (1 til 64), diarization og align_output.
Hvor hurtig er WhisperX?
Der er endnu ikke nok målte kørsler af WhisperX på Railwail til at angive en udførelsestid. Det afhænger af inputtet, indstillingerne og belastningen hos provideren.
Er WhisperX bedre end Incredibly Fast Whisper?
Det afhænger af opgaven. WhisperX (Community) og Incredibly Fast Whisper (Community) er begge modeller i kategorien Talestemme-til-tekst (STT). Sammenligningssiden viser deres priser og specifikationer side om side.
Sammenlign WhisperX og Incredibly Fast WhisperSammenlignelige modeller
Alle i denne kategori- Incredibly Fast WhisperCommunity
Whisper Large v3 wrapped with Hugging Face Transformers optimizations (batched inference, flash attention) for very high throughput. Transcribes hours of audio in minutes on a single GPU. Maintained by Vaibhav Srivastav. Good when you need bulk transcription fast.
- WhisperOpenAI
OpenAI's Whisper running on Replicate. General-purpose speech recognition trained on 680k hours of multilingual audio. Transcribes and translates 99 languages, robust to accents and background noise, and outputs plain text, segments, or word-level timestamps.
- SeamlessM4TCommunity
Meta's SeamlessM4T multimodal translation model. Takes speech or text input and produces transcription or translation across about 100 languages, including speech-to-text and speech-to-speech. One model covers ASR plus cross-lingual translation without chaining separate systems.
Alle modeller via én API
En API-nøgle til alle modeller på Railwail. Forbrug debiteres fra forudbetalte credits, 1 credit = 0,01 US$.