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.
- Τιμή
- ≈ 0,0241 $/εκτέλεση
- Είσοδος → Έξοδος
- Ήχος → Κείμενο
- Προγραμματιστής
- Community
- Ενημερώθηκε
- 23 Σεπτεμβρίου 2026
Playground
Δοκιμάστε WhisperX
Είσοδος & Έξοδος
Αυτή η εκτέλεση
περίπου 0,0241 $ · 2,41 πιστωτικές μονάδες
0,0721 $ (7,21 πιστωτικές μονάδες) προεπιλέγονται κατά την έναρξη· ο πραγματικός χρόνος GPU χρεώνεται.
Για λογαριασμούς χωρίς αγορά: εκτελέσεις πάνω από 2 πιστωτικές μονάδες χρειάζονται ανεβάσματος.
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.
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" }
Σχετικά με το WhisperX
Το WhisperX είναι ένα μοντέλο του Community στην κατηγορία Αναγνώριση ομιλίας. Στο Railwail, το WhisperX κοστίζει ≈ 0,0241 $ ανά εκτέλεση.
Τιμολόγηση
| Συνήθης εκτέλεση (≈ 14 s σε A100 (80GB)) | 0,0241 $ ανά εκτέλεση |
|---|---|
| Χρόνος GPU (A100 (80GB)) | 0,00168 $ 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 14,3 s
Σύνολο
2,41 $
241 πιστωτικές μονάδες
Ανά εκτέλεση
0,0241 $ · 2,41 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
whisperx- 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.
audio_fileΥποχρεωτικόURL or upload of the audio file to transcribe
Τύπος: ΚείμενοΠροεπιλογή: –Επιτρεπόμενες τιμές: –languageOptional ISO-639-1 language code; auto-detected if omitted
Τύπος: ΚείμενοΠροεπιλογή: –Επιτρεπόμενες τιμές: –batch_sizeΤύπος: Ακέραιος αριθμόςΠροεπιλογή:64Επιτρεπόμενες τιμές: 1 έως 64diarizationΤύπος: Ναι/ΌχιΠροεπιλογή:falseΕπιτρεπόμενες τιμές: –align_outputΤύπος: Ναι/ΌχιΠροεπιλογή:trueΕπιτρεπόμενες τιμές: –
Ετικέτες
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Περιπτώσεις χρήσης
Συχνές ερωτήσεις
Τι είναι WhisperX;
Το WhisperX είναι ένα μοντέλο του Community στην κατηγορία Αναγνώριση ομιλίας.
Πόσο κοστίζει το WhisperX στο Railwail;
Στο Railwail, το WhisperX κοστίζει ≈ 0,0241 $ 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 WhisperX;
Σύμφωνα με το σχήμα εισόδου του, το WhisperX γνωρίζει αυτές τις παραμέτρους: audio_file, language, batch_size (1 έως 64), diarization και align_output.
Πόσο γρήγορο είναι το WhisperX;
Δεν υπάρχουν αρκετές μετρημένες εκτελέσεις του WhisperX στο Railwail ακόμα για να δηλωθεί ένας χρόνος εκτέλεσης. Εξαρτάται από την είσοδο, τις ρυθμίσεις και το φορτίο στον πάροχο.
Είναι το WhisperX καλύτερο από το Incredibly Fast Whisper;
Αυτό εξαρτάται από την εργασία. Το WhisperX (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 WhisperX 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.
- 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 $.