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.
- Cena
- ≈ 0,0241 $/palaidi
- Ievade → Izvade
- Audio → Teksts
- Izstrādātājs
- Community
- Atjaunināts
- 2026. gada 23. septembris
Spēļu laukums
Izmēģiniet WhisperX
Ievade un rezultāts
Šis palaišanas gadījums
apmēram 0,0241 $ · 2,41 kredīti
Sākumā tiek rezervēti 0,0721 $ (7,21 kredīti); tiek norēķināts faktiskais GPU laiks.
Kontiem bez pirkuma: palaišanas gadījumi virs 2 kredītiem prasa papildināšanu.
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.
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" }
Par WhisperX
WhisperX ir Community modelis kategorijā Runas pārvēršana tekstā. Railwail platformā WhisperX maksā ≈ 0,0241 $ par palaidi.
Cenas
| Tipisks palaidi (≈ 14 s uz A100 (80GB)) | 0,0241 $ par palaidi |
|---|---|
| GPU laiks (A100 (80GB)) | 0,00168 $ 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 14,3 s
Kopā
2,41 $
241 kredīti
Uz palaišanu
0,0241 $ · 2,41 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
whisperx- 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.
audio_fileobligātsURL or upload of the audio file to transcribe
Tips: TekstsNoklusējums: –Atļautās vērtības: –languageOptional ISO-639-1 language code; auto-detected if omitted
Tips: TekstsNoklusējums: –Atļautās vērtības: –batch_sizeTips: Vesels skaitlisNoklusējums:64Atļautās vērtības: 1 līdz 64diarizationTips: Jā/NēNoklusējums:falseAtļautās vērtības: –align_outputTips: Jā/NēNoklusējums:trueAtļautās vērtības: –
Tagi
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Lietošanas gadījumi
Bieži uzdotie jautājumi
Kas ir WhisperX?
WhisperX ir Community izstrādāts modelis Runas pārvēršana tekstā kategorijā.
Cik maksā WhisperX Railwail?
Railwail platformā WhisperX maksā ≈ 0,0241 $ 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 WhisperX?
Saskaņā ar tā ievades shēmu, WhisperX pazīst šos parametrus: audio_file, language, batch_size (1 līdz 64), diarization un align_output.
Cik ātrs ir WhisperX?
Railwail platformā WhisperX vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.
Vai WhisperX ir labāks par Incredibly Fast Whisper?
Tas ir atkarīgs no uzdevuma. WhisperX (Community) un Incredibly Fast Whisper (Community) ir abi modeļi Runas pārvēršana tekstā kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.
Salīdzināt WhisperX 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 $.