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.
- Verð
- ≈ 0,0063 USD/keyrsla
- Inntak → úttak
- Hljóð → Texti
- Þróunaraðili
- Community
- Uppfært
- 23. september 2026
Leiksvæði
Prófaðu Whisper Diarization
Inntak og úttak
Þessi keyrsla
um 0,0063 USD · 0,63 inneign
0,0188 USD (1,88 inneign) eru fráteknar við upphaf; raunverulegur GPU-tími er innheimtaður.
Nýr hér?
10 ókeypis inneign (0,10 USD) þegar þú skráir þig með Google
Hægt að nota 24 klst. eftir skráningu, allt að 5 keyrslur á dag og að hámarki 2 inneign á keyrslu. Aðrar innskráningaraðferðir byrja án inneignar. Nægir fyrir 5 keyrslur þessa módels.
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
Um Whisper Diarization
Whisper Diarization er módel frá Community í flokknum Tal-í-texta. Á Railwail kostar Whisper Diarization ≈ 0,0063 USD fyrir hverja keyrslu.
Verðlagning
| Dæmigerð keyrsla (≈ 5 s á L40S) | 0,0063 USD fyrir hverja keyrslu |
|---|---|
| GPU-tími (L40S) | 0,00117 USD fyrir hverja GPU-sekúndu |
- Reikningsfærðir eru GPU-tíminn sem keyrslan tekur í raun. Þegar keyrslan hefst er 3× dæmigerðu verðinu frátekin frá inneign þinni og jöfnuð síðar.
- 1 inneign = 0,01 USD
Kostnaðarreiknir
Verðreiknir
Dæmigert samkvæmt veitanda: um 5,3 s
Samtals
0,63 USD
63 inneign
Fyrir hverja keyrslu
0,0063 USD · 0,63 inneign
Innheimt er fyrir raunverulegan GPU-tíma; þetta er mat.
API
Engin staðfest API-dæmi
Opinbera API sendir annað inntakssnið en þetta módel þarf. Notaðu leiksvæðið hér að ofan.
Forskriftir
- Módel-auðkenni
whisper-diarization- Þróunaraðili
- Community
- Flokkur
- Tal-í-texta
- Inntak
- Hljóð
- Úttak
- Texti
- Reikningur
- Eftir notkun (tókar eða GPU-tími)
- Vörulistafærsla uppfærð
- 23. september 2026
Inntaksbreytur
Inntak og stillingar úr inntakskerfi módelsins. Dæmið í API-hlutanum sýnir hverjar þeirra API samþykkir.
file_urlnauðsynlegtURL of the audio file to transcribe and diarize
Tegund: TextiSjálfgefið: –Leyfðir gildir: –promptOptional vocabulary or context hint
Tegund: TextiSjálfgefið: –Leyfðir gildir: allt að 1.000 stafirlanguageOptional ISO-639-1 language code; auto-detected if omitted
Tegund: TextiSjálfgefið: –Leyfðir gildir: –translateTegund: Já/NeiSjálfgefið:falseLeyfðir gildir: –num_speakersOptional fixed speaker count; estimated if omitted
Tegund: HeiltalaSjálfgefið: –Leyfðir gildir: 1 til 50
Merki
- replicate
- whisper
- stt
- transcription
- diarization
- speaker-labels
- multilingual
Notkunartilvik
Algengar spurningar
Hvað er Whisper Diarization?
Whisper Diarization er módel frá Community í flokknum Tal-í-texta.
Hvað kostar Whisper Diarization á Railwail?
Á Railwail kostar Whisper Diarization ≈ 0,0063 USD fyrir hverja keyrslu. Þér er rukkað fyrir það sem hver beiðni notar í raun. Notkun er greidd úr fyrirframgreiddum inneign; 1 inneign jafngildir 0,01 USD.
Hvaða stillingar styður Whisper Diarization?
Samkvæmt inntaksskema sínu þekkir Whisper Diarization þessa færibreytu: file_url, prompt (allt að 1.000 stafir), language, translate og num_speakers (1 til 50).
Hversu hratt er Whisper Diarization?
Það eru ekki nóg mældar keyrslur af Whisper Diarization á Railwail ennþá til að tilgreina keyrslutíma. Það fer eftir inntakinu, stillingum og álagi hjá veitandanum.
Er Whisper Diarization betra en Incredibly Fast Whisper?
Það fer eftir verkefninu. Whisper Diarization (Community) og Incredibly Fast Whisper (Community) eru bæði módel í flokknum Tal-í-texta. Samanburðarsíðan sýnir verð og forskriftir þeirra hlið við hlið.
Bera saman Whisper Diarization og Incredibly Fast WhisperSambærileg módel
Öll í þessum flokki- 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.
Öll módel í gegnum eina API
Einn API-lykil fyrir öll módel á Railwail. Notkun er rukkuð frá fyrirframgreiddum inneign, 1 inneign = 0,01 USD.