Whisper Diarization
whisper-diarizationWhisper 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.
- Τιμή
- ≈ 0,0063 $/εκτέλεση
- Είσοδος → Έξοδος
- Ήχος → Κείμενο
- Προγραμματιστής
- Community
- Ενημερώθηκε
- 23 Σεπτεμβρίου 2026
Playground
Δοκιμάστε Whisper Diarization
Είσοδος & Έξοδος
Αυτή η εκτέλεση
περίπου 0,0063 $ · 0,63 πιστωτικές μονάδες
0,0188 $ (1,88 πιστωτικές μονάδες) προεπιλέγονται κατά την έναρξη· ο πραγματικός χρόνος GPU χρεώνεται.
Νέος εδώ;
10 δωρεάν πιστωτικές μονάδες (0,10 $) όταν εγγραφείς με Google
Χρησιμοποιήσιμο 24 ώρες μετά την εγγραφή, έως 5 εκτελέσεις ανά ημέρα και το πολύ 2 πιστωτικές μονάδες ανά εκτέλεση. Άλλες μέθοδοι σύνδεσης ξεκινούν χωρίς πιστωτικές μονάδες. Αρκετό για 5 εκτελέσεις αυτού του μοντέλου.
Examples
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
Σχετικά με το Whisper Diarization
Το Whisper Diarization είναι ένα μοντέλο του Community στην κατηγορία Αναγνώριση ομιλίας. Στο Railwail, το Whisper Diarization κοστίζει ≈ 0,0063 $ ανά εκτέλεση.
Τιμολόγηση
| Συνήθης εκτέλεση (≈ 5 s σε L40S) | 0,0063 $ ανά εκτέλεση |
|---|---|
| Χρόνος GPU (L40S) | 0,00117 $ ανά δευτερόλεπτο GPU |
- Χρέωση με βάση τον χρόνο GPU που χρειάζεται πραγματικά η εκτέλεση. Κατά την έναρξη, το 3× της τυπικής τιμής δεσμεύεται από το υπόλοιπό σας και διακανονίζεται αργότερα.
- 1 πιστωτική μονάδα = 0,01 $
Αριθμομηχανή κόστους
Αριθμομηχανή τιμών
Τυπικά σύμφωνα με τον πάροχο: περίπου 5,3 s
Σύνολο
0,63 $
63 πιστωτικές μονάδες
Ανά εκτέλεση
0,0063 $ · 0,63 πιστωτικές μονάδες
Χρέωση με βάση τον πραγματικό χρόνο GPU· αυτή είναι μια εκτίμηση.
API
Κανένα επαληθευμένο παράδειγμα API
Το δημόσιο API περνά μια διαφορετική μορφή εισόδου από αυτή που χρειάζεται αυτό το μοντέλο. Χρησιμοποιήστε το playground παραπάνω.
Προδιαγραφές
- ID μοντέλου
whisper-diarization- Ανάπτυξη
- Community
- Κατηγορία
- Αναγνώριση ομιλίας
- Είσοδος
- Ήχος
- Έξοδος
- Κείμενο
- Χρέωση
- Κατά χρήση (tokens ή χρόνος GPU)
- Καταχώρηση καταλόγου ενημερώθηκε
- 23 Σεπτεμβρίου 2026
Παράμετροι εισόδου
Εισόδους και ρυθμίσεις από το σχήμα εισόδου του μοντέλου. Το παράδειγμα στην ενότητα API δείχνει ποιες από αυτές δέχεται το API.
file_urlΥποχρεωτικόURL of the audio file to transcribe and diarize
Τύπος: ΚείμενοΠροεπιλογή: –Επιτρεπόμενες τιμές: –promptOptional vocabulary or context hint
Τύπος: ΚείμενοΠροεπιλογή: –Επιτρεπόμενες τιμές: Έως 1.000 χαρακτήρεςlanguageOptional ISO-639-1 language code; auto-detected if omitted
Τύπος: ΚείμενοΠροεπιλογή: –Επιτρεπόμενες τιμές: –translateΤύπος: Ναι/ΌχιΠροεπιλογή:falseΕπιτρεπόμενες τιμές: –num_speakersOptional fixed speaker count; estimated if omitted
Τύπος: Ακέραιος αριθμόςΠροεπιλογή: –Επιτρεπόμενες τιμές: 1 έως 50
Ετικέτες
- replicate
- whisper
- stt
- transcription
- diarization
- speaker-labels
- multilingual
Περιπτώσεις χρήσης
Συχνές ερωτήσεις
Τι είναι Whisper Diarization;
Το Whisper Diarization είναι ένα μοντέλο του Community στην κατηγορία Αναγνώριση ομιλίας.
Πόσο κοστίζει το Whisper Diarization στο Railwail;
Στο Railwail, το Whisper Diarization κοστίζει ≈ 0,0063 $ ανά εκτέλεση. Χρεώνεστε για αυτό που χρησιμοποιεί πραγματικά κάθε αίτημα. Η χρήση πληρώνεται από προπληρωμένες πιστωτικές μονάδες· 1 πιστωτική μονάδα ισούται με 0,01 $.
Ποιες ρυθμίσεις υποστηρίζει το Whisper Diarization;
Σύμφωνα με το σχήμα εισόδου του, το Whisper Diarization γνωρίζει αυτές τις παραμέτρους: file_url, prompt (Έως 1.000 χαρακτήρες), language, translate και num_speakers (1 έως 50).
Πόσο γρήγορο είναι το Whisper Diarization;
Δεν υπάρχουν αρκετές μετρημένες εκτελέσεις του Whisper Diarization στο Railwail ακόμα για να δηλωθεί ένας χρόνος εκτέλεσης. Εξαρτάται από την είσοδο, τις ρυθμίσεις και το φορτίο στον πάροχο.
Είναι το Whisper Diarization καλύτερο από το Incredibly Fast Whisper;
Αυτό εξαρτάται από την εργασία. Το Whisper Diarization (Community) και το Incredibly Fast Whisper (Community) είναι και τα δύο μοντέλα στην κατηγορία Αναγνώριση ομιλίας. Η σελίδα σύγκρισης δείχνει τις τιμές και τις προδιαγραφές τους παράλληλα.
Σύγκριση Whisper Diarization και Incredibly Fast WhisperΣυγκρίσιμα μοντέλα
Όλα σε αυτήν την κατηγορία- 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 $/εκτέλεση
11 % φθηνότερο ανά μονάδα
Σύγκριση Whisper Diarization και 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.
- 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.
Όλα τα μοντέλα μέσω ενός API
Ένα κλειδί API για κάθε μοντέλο στο Railwail. Η χρήση χρεώνεται από προπληρωμένα πιστωτικά, 1 πιστωτικό = 0,01 $.