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.
- Ár
- ≈ 0,0241 USD/futás
- Bemenet → kimenet
- Hang → Szöveg
- Fejlesztő
- Community
- Frissítve
- 2026. szeptember 23.
Playground
Próbáld ki: WhisperX
Bemenet és kimenet
Ez a futtatás
kb. 0,0241 USD · 2,41 kredit
A kezdéskor 0,0721 USD (7,21 kredit) kerül foglalásra; a tényleges GPU-idő alapján történik a számlázás.
A vásárlás nélküli fiókok esetén: a 2 kreditet meghaladó futtatások feltöltést igényelnek.
Új vagy itt?
10 ingyenes kredit (0,10 USD) Google-fiókkal való regisztrációkor
Használható 24 órával a regisztráció után, naponta legfeljebb 5 futtatás és futtatásonként legfeljebb 2 kredit. Más bejelentkezési módok kreditek nélkül indulnak.
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" }
A WhisperX névjegye
A WhisperX a Community által fejlesztett modell a Beszédfelismerés (STT) kategóriában. A Railwail-en a WhisperX ára ≈ 0,0241 USD futásonként.
Árak
| Tipikus futás (≈ 14 s a(z) A100 (80GB) eszközön) | 0,0241 USD futásonként |
|---|---|
| GPU-idő (A100 (80GB)) | 0,00168 USD GPU-másodpercenként |
- A futás által ténylegesen igénybevett GPU-idő alapján történik a számlázás. A futás indításakor a tipikus ár 3-szerese kerül foglalásra az egyenlegéből, majd később elszámolásra.
- 1 kredit = 0,01 USD
Költségkalkulátor
Árkalkulátor
A szolgáltató szerint tipikus: kb. 14,3 mp
Összesen
2,41 USD
241 kredit
Futásonként
0,0241 USD · 2,41 kredit
A tényleges GPU-idő alapján számlázva; ez egy becslés.
API
Nincs ellenőrzött API-példa
A nyilvános API más bemeneti formátumot továbbít, mint amit ez a modell igényel. Használja a fenti Playground-ot.
Specifikációk
- Modell-azonosító
whisperx- Fejlesztő
- Community
- Kategória
- Beszédfelismerés (STT)
- Bemenet
- Hang
- Kimenet
- Szöveg
- Számlázás
- Használat alapján (tokenek vagy GPU-idő)
- Katalógus bejegyzés frissítve
- 2026. szeptember 23.
Bemeneti paraméterek
A modell bemeneti sémájából származó bemenetek és beállítások. Az API szakaszban szereplő példa mutatja, hogy az API melyiket fogadja el.
audio_filekötelezőURL or upload of the audio file to transcribe
Típus: SzövegAlapértelmezett: –Engedélyezett értékek: –languageOptional ISO-639-1 language code; auto-detected if omitted
Típus: SzövegAlapértelmezett: –Engedélyezett értékek: –batch_sizeTípus: Egész számAlapértelmezett:64Engedélyezett értékek: 1 és 64 közöttdiarizationTípus: Igen/nemAlapértelmezett:falseEngedélyezett értékek: –align_outputTípus: Igen/nemAlapértelmezett:trueEngedélyezett értékek: –
Címkék
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Felhasználási esetek
Gyakran ismételt kérdések
Mi az a WhisperX?
A WhisperX a Community által fejlesztett modell a Beszédfelismerés (STT) kategóriában.
Mennyibe kerül a WhisperX a Railwail-on?
A Railwail-en a WhisperX ára ≈ 0,0241 USD futásonként. Az egyes kérések tényleges felhasználásáért kell fizetni. A használatért előre vásárolt kreditek alapján kell fizetni; 1 kredit = 0,01 USD.
Milyen beállításokat támogat a WhisperX?
A bemeneti séma szerint a WhisperX ezeket a paramétereket ismeri: audio_file, language, batch_size (1 és 64 között), diarization és align_output.
Milyen gyors a WhisperX?
A WhisperX-nek még nincs elég mért futtatása a Railwail-on ahhoz, hogy futási időt adjunk meg. Ez a bemenettől, a beállításoktól és a szolgáltató terhelésétől függ.
A WhisperX jobb, mint a Incredibly Fast Whisper?
Ez a feladattól függ. A WhisperX (Community) és a Incredibly Fast Whisper (Community) egyaránt modellek a Beszédfelismerés (STT) kategóriában. Az összehasonlítás oldal az árakat és specifikációkat egymás mellett mutatja.
WhisperX és Incredibly Fast Whisper összehasonlításaHasonló modellek
Ebben a kategóriában az összes- 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.
Összes modell egy API-n keresztül
Egy API-kulcs a Railwail összes modelljéhez. A használat előre feltöltött kreditek alapján kerül felszámításra, 1 kredit = 0,01 USD.