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.
- Cena
- ≈ 0,0063 $/palaidi
- Ievade → Izvade
- Audio → Teksts
- Izstrādātājs
- Community
- Atjaunināts
- 2026. gada 23. septembris
Spēļu laukums
Izmēģiniet Whisper Diarization
Ievade un rezultāts
Šis palaišanas gadījums
apmēram 0,0063 $ · 0,63 kredīti
Sākumā tiek rezervēti 0,0188 $ (1,88 kredīti); tiek norēķināts faktiskais GPU laiks.
Jauns šeit?
10 bezmaksas kredīti (0,10 $), reģistrējies ar Google
Pieejams 24 stundas pēc reģistrācijas, līdz 5 palaišanas gadījumi dienā un maksimāli 2 kredīti uz palaišanas gadījumu. Citas pierakstīšanās metodes sākas bez kredītiem. Pietiek 5 šī modeļa palaišanām.
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
Par Whisper Diarization
Whisper Diarization ir Community modelis kategorijā Runas pārvēršana tekstā. Railwail platformā Whisper Diarization maksā ≈ 0,0063 $ par palaidi.
Cenas
| Tipisks palaidi (≈ 5 s uz L40S) | 0,0063 $ par palaidi |
|---|---|
| GPU laiks (L40S) | 0,00117 $ par GPU sekundi |
- Norēķināšana notiek par GPU laiku, ko palaidi faktiskā aizņem. Palaides sākumā no jūsu atlikuma tiek rezervēts 3× tipiskā cena un vēlāk nosegts.
- 1 kredīts = 0,01 $
Izmaksu kalkulators
Cenu kalkulators
Tipiski pēc sniedzēja: aptuveni 5,3 s
Kopā
0,63 $
63 kredīti
Uz palaišanu
0,0063 $ · 0,63 kredīti
Norēķins pēc faktiskā GPU laika; šī ir aprēķins.
API
Nav pārbaudīta API piemēra
Publiskā API nodod citu ievades formātu, nekā nepieciešams šim modelim. Izmantojiet smilšu kasti iepriekš.
Specifikācijas
- Modeļa ID
whisper-diarization- Izstrādātājs
- Community
- Kategorija
- Runas pārvēršana tekstā
- Ievade
- Audio
- Izvade
- Teksts
- Norēķini
- Pēc lietojuma (tokeni vai GPU laiks)
- Kataloga ieraksts atjaunināts
- 2026. gada 23. septembris
Ievades parametri
Ievades un iestatījumi no modeļa ievades shēmas. Piemērs API sadaļā parāda, kurus no tiem API pieņem.
file_urlobligātsURL of the audio file to transcribe and diarize
Tips: TekstsNoklusējums: –Atļautās vērtības: –promptOptional vocabulary or context hint
Tips: TekstsNoklusējums: –Atļautās vērtības: līdz 1000 rakstzīmēmlanguageOptional ISO-639-1 language code; auto-detected if omitted
Tips: TekstsNoklusējums: –Atļautās vērtības: –translateTips: Jā/NēNoklusējums:falseAtļautās vērtības: –num_speakersOptional fixed speaker count; estimated if omitted
Tips: Vesels skaitlisNoklusējums: –Atļautās vērtības: 1 līdz 50
Tagi
- replicate
- whisper
- stt
- transcription
- diarization
- speaker-labels
- multilingual
Lietošanas gadījumi
Bieži uzdotie jautājumi
Kas ir Whisper Diarization?
Whisper Diarization ir Community izstrādāts modelis Runas pārvēršana tekstā kategorijā.
Cik maksā Whisper Diarization Railwail?
Railwail platformā Whisper Diarization maksā ≈ 0,0063 $ par palaidi. Jums tiek ņemta maksa par to, ko katra pieprasījuma izpilde faktiski izmanto. Izmantošana tiek apmaksāta no iepriekš nopirkto kredītu; 1 kredīts = 0,01 $.
Kādus iestatījumus atbalsta Whisper Diarization?
Saskaņā ar tā ievades shēmu, Whisper Diarization pazīst šos parametrus: file_url, prompt (līdz 1000 rakstzīmēm), language, translate un num_speakers (1 līdz 50).
Cik ātrs ir Whisper Diarization?
Railwail platformā Whisper Diarization vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.
Vai Whisper Diarization ir labāks par Incredibly Fast Whisper?
Tas ir atkarīgs no uzdevuma. Whisper Diarization (Community) un Incredibly Fast Whisper (Community) ir abi modeļi Runas pārvēršana tekstā kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.
Salīdzināt Whisper Diarization un Incredibly Fast WhisperSalīdzināmi modeļi
Visi šajā kategorijā- 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.
Visi modeļi caur vienu API
Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.