WhisperX

Name: WhisperX
Brand: Community
SKU: whisperx
Price: 0.0241 USD
Availability: InStock

Kõne tekstiksSaadaval

Community pooltwhisperx

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.

Proovi Hangi API võti Võrdle

Hind: ≈ 0,0241 $/käivitus
Sisend → väljund: Audio → Tekst
Arendaja: Community
Uuendatud: 23. september 2026

Playground

Proovi WhisperX

Sisend ja väljund

≈ 0,0241 $/käivitus

Audio File

URL or upload of the audio file to transcribe

Keel(valikuline)

Täpsemad seaded (3)

Batch Size(valikuline)1–64

Speaker Diarization

Word-Level Alignment

⌘/Ctrl + Enter

Tulemus

Transkriptsioon ilmub siia.

See käivitus

umbes 0,0241 $ · 2,41 krediiti

Käivitamisel reserveeritakse 0,0721 $ (7,21 krediiti); arveldatakse tegelik GPU aeg.

Kontode puhul, millel pole ostuajalugu: käivitused üle 2 krediidi vajavad täiendust.

Oled siin uus?

10 tasuta krediiti (0,10 $), kui registreeritud Google'iga

Kasutatav 24 tundi pärast registreerimist, kuni 5 käivitust päevas ja maksimaalselt 2 krediiti käivituse kohta. Muud sisselogimismeetodid algavad ilma krediitideta.

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"
}

Teave: WhisperX

LühidaltSeisuga 23. september 2026

WhisperX on mudel, mille on välja töötanud Community kategoorias Kõne tekstiks. Railwail'is maksab WhisperX ≈ 0,0241 $ käivituse kohta.

Hinnad

Hinnad USA dollarites. Kasutamine arvestatakse eelmakstud krediitidest.

Tüüpiline käivitus (≈ 14 s A100 (80GB) peal)	0,0241 $ käivituse kohta
GPU-aeg (A100 (80GB))	0,00168 $ GPU-sekundi kohta

Arvestatakse GPU-aeg, mida käivitus tegelikult võtab. Käivituse alustamisel reserveeritakse sinu saldost 3× tüüpiline hind ja arvutatakse hiljem.
1 krediit = 0,01 $

Kulukalkulaator

Hinna kalkulaator

GPU-sekundid käivituse kohta

Pakkuja andmetel tüüpiline: umbes 14,3 s

Käivitused

Kokku

2,41 $

241 krediiti

Käivituse kohta

0,0241 $ · 2,41 krediiti

Arvestatakse tegelik GPU-aeg; see on hinnang.

API

Kutsu WhisperX oma Railwail API võtmega. Kasuta selles päringus seda mudeli ID-d:

whisperxVaata API dokumentatsiooni Hangi API võti

Kontrollitud API-näide puudub

Avalik API edastab teistsuguse sisendvormingu, kui see mudel vajab. Kasuta ülalolevat mänguväljakut.

Spetsifikatsioonid

Mudeli ID: whisperx
Arendaja: Community
Kategooria: Kõne tekstiks
Sisend: Audio
Väljund: Tekst
Arveldamine: Kasutuse järgi (tokenid või GPU-aeg)
Kataloogi kirje uuendatud: 23. september 2026

Sisendparameetrid

Mudeli sisendiskeemi sisendid ja seaded. API näide jaotises API näitab, milliseid neist API aktsepteerib.

ParameeterTüüpVaikimisiLubatud väärtused

audio_filenõutav
URL or upload of the audio file to transcribe
Tüüp: Tekst
Vaikimisi: –
Lubatud väärtused: –
language
Optional ISO-639-1 language code; auto-detected if omitted
Tüüp: Tekst
Vaikimisi: –
Lubatud väärtused: –
batch_size
Tüüp: Täisarv
Vaikimisi: 64
Lubatud väärtused: 1 kuni 64
diarization
Tüüp: Jah/Ei
Vaikimisi: false
Lubatud väärtused: –
align_output
Tüüp: Jah/Ei
Vaikimisi: true
Lubatud väärtused: –

Sildid

replicate
whisperx
stt
transcription
diarization
word-timestamps
multilingual

Kasutamise juhtumid

Seotud juhendid

Speech-to-Text & Transcription Models

Kõik mudelid: Kõne tekstiks

Korduma kippuvad küsimused

Mis on WhisperX?

WhisperX on mudel, mille töötas välja Community kategoorias Kõne tekstiks.

Kui palju maksab WhisperX Railwail'is?

Railwail'is maksab WhisperX ≈ 0,0241 $ käivituse kohta. Sulle arvestatakse see, mida iga päring tegelikult kasutab. Kasutamine makstakse eelnevalt ostetud krediitidest; 1 krediit võrdub 0,01 $.

Milliseid seadistusi WhisperX toetab?

Vastavalt sisendiskeemile teab WhisperX neid parameetreid: audio_file, language, batch_size (1 kuni 64), diarization ja align_output.

Kui kiire on WhisperX?

WhisperX kohta ei ole Railwail'is veel piisavalt mõõdetud käivitusi, et käivitusaega väita. See sõltub sisendist, seadistustest ja pakkuja koormusest.

Kas WhisperX on parem kui Incredibly Fast Whisper?

See sõltub ülesandest. WhisperX (Community) ja Incredibly Fast Whisper (Community) on mõlemad mudelid kategoorias Kõne tekstiks. Võrdlusleht näitab nende hindu ja spetsifikatsioone kõrvuti.

Võrdle WhisperX ja Incredibly Fast Whisper

Võrreldavad mudelid

Kõik selles kategoorias

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 $/käivitus
77 % odavam ühiku kohta
Võrdle WhisperX ja 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 $/käivitus
86 % odavam ühiku kohta
Võrdle WhisperX ja 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 $/käivitus
547 % kallim ühiku kohta
Võrdle WhisperX ja SeamlessM4T

Kõik mudelid ühe API kaudu

Üks API võti kõigile Railwail mudelitele. Kasutamine arvestatakse eelmakstud krediitidest, 1 krediit = 0,01 $.

Hangi API võti Vaata kõiki mudeleid