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.
- מחיר
- ≈ 0.0241 $/הרצה
- קלט → פלט
- אודיו → טקסט
- מפתח
- Community
- עודכן
- 23 בספטמבר 2026
Playground
נסה את WhisperX
קלט ותוצאה
הריצה הזו
בערך 0.0241 $ · 2.41 קרדיטים
0.0721 $ (7.21 קרדיטים) מסוכנים בתחילת הריצה; זמן ה-GPU בפועל יחויב.
לחשבונות ללא רכישה קודמת: ריצות מעל 2 קרדיטים דורשות טעינה.
חדש כאן?
10 קרדיטים חינם (0.10 $) כשאתה נרשם עם Google
ניתן להשתמש 24 שעות לאחר ההרשמה, עד 5 ריצות ביום ולכל היותר 2 קרדיטים לריצה. שיטות כניסה אחרות מתחילות ללא קרדיטים.
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" }
אודות WhisperX
WhisperX הוא מודל של Community בקטגוריית המרה מדיבור (STT). ב-Railwail, WhisperX עולה ≈ 0.0241 $ להרצה.
תמחור
| הרצה טיפוסית (≈ 14 s ב-A100 (80GB)) | 0.0241 $ להרצה |
|---|---|
| זמן GPU (A100 (80GB)) | 0.00168 $ לשנייה של GPU |
- חיוב לפי זמן ה-GPU שההרצה בעצם לוקחת. כשההרצה מתחילה, 3× המחיר הטיפוסי מוזמן מהיתרה שלך ומסולק לאחר מכן.
- 1 קרדיט = 0.01 $
מחשבון עלויות
מחשבון מחירים
טיפוסי לפי הספק: כ-14.3 שנ׳
סה״כ
2.41 $
241 קרדיטים
לכל הרצה
0.0241 $ · 2.41 קרדיטים
חיוב לפי זמן ה-GPU בפועל; זו הערכה.
API
אין דוגמה API מאומתת
ה-API הציבורי מעביר פורמט קלט שונה מזה שהדגם הזה צריך. השתמש בגובה המשחק למעלה.
מפרטים
- ID מודל
whisperx- מפתח
- Community
- קטגוריה
- המרה מדיבור (STT)
- קלט
- אודיו
- פלט
- טקסט
- חיוב
- לפי שימוש (טוקנים או זמן GPU)
- רשומת הקטלוג עודכנה
- 23 בספטמבר 2026
פרמטרים קלט
קלטים והגדרות מסכימת הקלט של המודל. הדוגמה בסעיף API מציגה אילו מהם ה-API מקבל.
audio_fileחובהURL or upload of the audio file to transcribe
סוג: טקסטברירת מחדל: –ערכים מותרים: –languageOptional ISO-639-1 language code; auto-detected if omitted
סוג: טקסטברירת מחדל: –ערכים מותרים: –batch_sizeסוג: מספר שלםברירת מחדל:64ערכים מותרים: 1 עד 64diarizationסוג: כן/לאברירת מחדל:falseערכים מותרים: –align_outputסוג: כן/לאברירת מחדל:trueערכים מותרים: –
תגיות
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
מקרי שימוש
שאלות נפוצות
מה זה WhisperX?
WhisperX הוא מודל של Community בקטגוריית המרה מדיבור (STT).
כמה עולה WhisperX ב-Railwail?
ב-Railwail, WhisperX עולה ≈ 0.0241 $ להרצה. אתה משלם על מה שכל בקשה בעצם משתמשת. השימוש משולם מקרדיטים שנרכשו מראש; 1 קרדיט שווה 0.01 $.
אילו הגדרות תומך WhisperX?
לפי סכימת הקלט שלו, WhisperX מכיר את הפרמטרים הבאים: audio_file, language, batch_size (1 עד 64), diarization ו-align_output.
כמה מהיר WhisperX?
עדיין אין מספיק הרצות שנמדדו של WhisperX ב-Railwail כדי לציין זמן הרצה. זה תלוי בקלט, בהגדרות ובעומס אצל הספק.
האם WhisperX טוב יותר מ-Incredibly Fast Whisper?
זה תלוי במשימה. WhisperX (Community) ו-Incredibly Fast Whisper (Community) הם שניהם מודלים בקטגוריית המרה מדיבור (STT). דף ההשוואה מציג את המחירים והמפרטים שלהם זה לצד זה.
השווה בין WhisperX ל-Incredibly Fast Whisperדגמים דומים
הכל בקטגוריה זו- 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.
כל המודלים דרך API אחד
מפתח API אחד לכל מודל ב-Railwail. השימוש מחויב מאשראי מראש, 1 אשראי = 0.01 $.