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.
- Hinta
- ≈ 0,0241 $/suoritus
- Syöte → tulos
- Audio → Teksti
- Kehittäjä
- Community
- Päivitetty
- 23. syyskuuta 2026
Leikkikenttä
Kokeile WhisperX
Syöte ja tulos
Tämä suoritus
noin 0,0241 $ · 2,41 creditiä
Alussa varataan 0,0721 $ (7,21 creditiä); todellinen GPU-aika laskutetaan.
Tileille ilman ostoja: yli 2 creditin suoritukset vaativat latauksen.
Uusi täällä?
10 ilmaista creditiä (0,10 $) kun rekisteröidyt Googlella
Käytettävissä 24 tuntia rekisteröinnin jälkeen, enintään 5 suoritusta päivässä ja enintään 2 creditiä suoritusta kohti. Muut kirjautumismenetelmät alkavat ilman creditejä.
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" }
Tietoja: WhisperX
WhisperX on Community-kehittäjän malli kategoriasta Puhe tekstiksi. Railwailissa WhisperX maksaa ≈ 0,0241 $ per suoritus.
Hinnat
| Tyypillinen suoritus (≈ 14 s A100 (80GB):lla) | 0,0241 $ per suoritus |
|---|---|
| GPU-aika (A100 (80GB)) | 0,00168 $ per GPU-sekunti |
- Laskutus perustuu suorituksen todelliseen GPU-aikaan. Kun suoritus alkaa, 3-kertainen tyypillinen hinta varataan saldostasi ja selvitetään jälkikäteen.
- 1 krediitti = 0,01 $
Kustannuslaskin
Hintalaskin
Palveluntarjoajan mukaan tyypillinen: noin 14,3 s
Yhteensä
2,41 $
241 krediittiä
Suoritusta kohti
0,0241 $ · 2,41 krediittiä
Laskutus perustuu todelliseen GPU-aikaan; tämä on arvio.
API
Ei vahvistettua API-esimerkkiä
Julkinen API välittää eri syötemuotoa kuin tämä malli tarvitsee. Käytä yllä olevaa leikkikenttää.
Tekniset tiedot
- Mallin tunnus
whisperx- Kehittäjä
- Community
- Kategoria
- Puhe tekstiksi
- Syöte
- Audio
- Tuloste
- Teksti
- Laskutus
- Käytön mukaan (tokeneja tai GPU-aikaa)
- Luettelokirjaus päivitetty
- 23. syyskuuta 2026
Syöteparametrit
Mallin syötökaavion syötteet ja asetukset. API-osion esimerkki näyttää, mitkä niistä API hyväksyy.
audio_filepakollinenURL or upload of the audio file to transcribe
Tyyppi: TekstiOletus: –Sallitut arvot: –languageOptional ISO-639-1 language code; auto-detected if omitted
Tyyppi: TekstiOletus: –Sallitut arvot: –batch_sizeTyyppi: KokonaislukuOletus:64Sallitut arvot: 1–64diarizationTyyppi: Kyllä/EiOletus:falseSallitut arvot: –align_outputTyyppi: Kyllä/EiOletus:trueSallitut arvot: –
Tunnisteet
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Käyttötapaukset
Usein kysytyt kysymykset
Mikä on WhisperX?
WhisperX on Communityn kehittämä malli Puhe tekstiksi-kategoriassa.
Paljonko WhisperX maksaa Railwailissa?
Railwailissa WhisperX maksaa ≈ 0,0241 $ per suoritus. Sinua veloitetaan siitä, mitä kukin pyyntö todella käyttää. Käyttö maksetaan ennakkoon ostettujen krediittien avulla; 1 krediitti vastaa 0,01 $.
Mitä asetuksia WhisperX tukee?
Syötteen rakenteen mukaan WhisperX tuntee nämä parametrit: audio_file, language, batch_size (1–64), diarization ja align_output.
Kuinka nopea WhisperX on?
WhisperXlla ei ole vielä tarpeeksi mitattuja suorituksia Railwailissa suoritusajan ilmoittamiseksi. Se riippuu syötteestä, asetuksista ja palveluntarjoajan kuormituksesta.
Onko WhisperX parempi kuin Incredibly Fast Whisper?
Se riippuu tehtävästä. WhisperX (Community) ja Incredibly Fast Whisper (Community) ovat molemmat malleja Puhe tekstiksi-kategoriassa. Vertailussa näkyvät niiden hinnat ja tekniset tiedot rinnakkain.
Vertaa WhisperX ja Incredibly Fast WhisperVertailukelpoiset mallit
Kaikki tässä kategoriassa- 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.
Kaikki mallit yhden API:n kautta
Yksi API-avain kaikille Railwailin malleille. Käyttö laskutetaan prepaid-krediiteistä, 1 krediitti = 0,01 $.