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.
- السعر
- ≈ 0.0241 US$/تشغيل
- Input → output
- صوت → نص
- مطور
- Community
- تم التحديث
- ٢٣ سبتمبر ٢٠٢٦
Playground
جرّب WhisperX
الإدخال والإخراج
هذا التشغيل
حوالي 0.0241 US$ · 2.41 رصيد
يتم حجز 0.0721 US$ (7.21 رصيد) عند البدء؛ يتم فواتير وقت GPU الفعلي.
للحسابات بدون عملية شراء سابقة: التشغيلات التي تتجاوز 2 رصيد تحتاج إلى إعادة تعبئة.
جديد هنا؟
10 رصيد مجاني (0.10 US$) عند التسجيل باستخدام Google
قابل للاستخدام 24 ساعة بعد التسجيل، حتى 5 تشغيل يومياً وبحد أقصى 2 رصيد لكل تشغيل. طرق تسجيل الدخول الأخرى تبدأ بدون رصيد.
Examples
Output (JSON, shortened)
{ "segments": [ { "end": 30.811, "text": "The little tales they tell are false. The door was barred, locked and bolted as well. Ripe pears are fit for a queen's table. A big wet stain was on the round carpet. The kite dipped and swayed but stayed aloft. The pleasant hours fly by much too soon. The room was crowded with a mild wob.", "start": 2.585 }, { "end": 48.592, "text": "The room was crowded with a wild mob. This strong arm shall shield your honor. She blushed when he gave her a white orchid. The beetle droned in the hot June sun.", "start": 33.029 } ], "detected_language": "en" }
حول WhisperX
WhisperX هو نموذج من Community في فئة تحويل الكلام إلى نص. على Railwail، يكلف WhisperX ≈ 0.0241 US$ لكل تشغيل.
التسعير
| التشغيل النموذجي (≈ 14 ث على A100 (80GB)) | 0.0241 US$ لكل تشغيل |
|---|---|
| وقت GPU (A100 (80GB)) | 0.00168 US$ لكل ثانية GPU |
- يتم الفرز بناءً على وقت GPU الذي يستغرقه التشغيل فعلياً. عند بدء التشغيل، يتم حجز 3× السعر النموذجي من رصيدك ويتم تسويته لاحقاً.
- 1 رصيد = ٠٫٠١ US$
حاسبة التكلفة
حاسبة الأسعار
نموذجي وفقاً للمزود: حوالي 14.3 ث
الإجمالي
2.41 US$
241 رصيد
لكل تشغيل
0.0241 US$ · 2.41 رصيد
يتم الفرض بناءً على وقت GPU الفعلي؛ هذا تقدير.
API
لا يوجد مثال API موثق
API العام يمرر صيغة إدخال مختلفة عما يحتاجه هذا النموذج. استخدم ساحة الاختبار أعلاه.
المواصفات
- معرّف النموذج
whisperx- مطور
- Community
- الفئة
- تحويل الكلام إلى نص
- الإدخال
- صوت
- الإخراج
- نص
- الفواتير
- حسب الاستخدام (الرموز أو وقت GPU)
- تم تحديث إدخال الكتالوج
- ٢٣ سبتمبر ٢٠٢٦
معاملات الإدخال
المدخلات والإعدادات من مخطط إدخال النموذج. يوضح المثال في قسم API أيها تقبل API.
audio_fileمطلوبURL or upload of the audio file to transcribe
النوع: نصالافتراضي: –القيم المسموحة: –languageOptional ISO-639-1 language code; auto-detected if omitted
النوع: نصالافتراضي: –القيم المسموحة: –batch_sizeالنوع: عدد صحيحالافتراضي:64القيم المسموحة: 1 إلى 64diarizationالنوع: نعم/لاالافتراضي:falseالقيم المسموحة: –align_outputالنوع: نعم/لاالافتراضي:trueالقيم المسموحة: –
الوسوم
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
حالات الاستخدام
الأسئلة الشائعة
ما هو WhisperX؟
WhisperX هو نموذج من Community في فئة تحويل الكلام إلى نص.
كم تكلفة WhisperX على Railwail؟
على Railwail، يكلف WhisperX ≈ 0.0241 US$ لكل تشغيل. يتم فرض رسوم عليك مقابل ما تستخدمه كل طلب فعلياً. الاستخدام يُدفع من أرصدة مدفوعة مقدماً؛ 1 رصيد يساوي ٠٫٠١ US$.
ما الإعدادات التي يدعمها WhisperX؟
وفقاً لمخطط الإدخال الخاص به، WhisperX يعرف هذه المعاملات: audio_file وlanguage وbatch_size (1 إلى 64) وdiarization وalign_output.
ما سرعة WhisperX؟
لا توجد عمليات تشغيل مقاسة كافية لـ WhisperX على Railwail حتى الآن لتحديد وقت التشغيل. يعتمد على الإدخال والإعدادات والحمل لدى المزود.
هل WhisperX أفضل من Incredibly Fast Whisper؟
هذا يعتمد على المهمة. WhisperX (Community) و Incredibly Fast Whisper (Community) كلاهما نموذج في فئة تحويل الكلام إلى نص. تعرض صفحة المقارنة أسعارهما والمواصفات جنباً إلى جنب.
قارن WhisperX و Incredibly Fast Whisperنماذج قابلة للمقارنة
الكل في هذه الفئة- Incredibly Fast WhisperCommunity
Whisper Large v3 wrapped with Hugging Face Transformers optimizations (batched inference, flash attention) for very high throughput. Transcribes hours of audio in minutes on a single GPU. Maintained by Vaibhav Srivastav. Good when you need bulk transcription fast.
- WhisperOpenAI
OpenAI's Whisper running on Replicate. General-purpose speech recognition trained on 680k hours of multilingual audio. Transcribes and translates 99 languages, robust to accents and background noise, and outputs plain text, segments, or word-level timestamps.
- SeamlessM4TCommunity
Meta's SeamlessM4T multimodal translation model. Takes speech or text input and produces transcription or translation across about 100 languages, including speech-to-text and speech-to-speech. One model covers ASR plus cross-lingual translation without chaining separate systems.
جميع النماذج عبر API واحدة
مفتاح API واحد لكل نموذج على Railwail. يتم احتساب الاستخدام من الأرصدة المدفوعة مقدماً، 1 رصيد = ٠٫٠١ US$.