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.
- Цена
- ≈ 0,0241 US$/извршување
- Влез → излез
- Аудио → Текст
- Развивач
- Community
- Ажурирано
- 23 септември 2026 г.
Playground
Пробајте WhisperX
Влез и резултат
Овој тек
приблизно 0,0241 US$ · 2,41 кредити
0,0721 US$ (7,21 кредити) се резервирани на почетокот; вистинското GPU време се наплачува.
За сметки без претходна куповина: текови над 2 кредити бараат допунување.
Нов си овде?
10 бесплатни кредити (0,10 US$) кога ќе се регистрираш со Google
Употребливо 24 часа по регистрација, до 5 текови по ден и максимално 2 кредити по тек. Други методи на пријава почнуваат без кредити.
Examples
Output (JSON, shortened)
{ "segments": [ { "end": 30.811, "text": "The little tales they tell are false. The door was barred, locked and bolted as well. Ripe pears are fit for a queen's table. A big wet stain was on the round carpet. The kite dipped and swayed but stayed aloft. The pleasant hours fly by much too soon. The room was crowded with a mild wob.", "start": 2.585 }, { "end": 48.592, "text": "The room was crowded with a wild mob. This strong arm shall shield your honor. She blushed when he gave her a white orchid. The beetle droned in the hot June sun.", "start": 33.029 } ], "detected_language": "en" }
За WhisperX
WhisperX е модел од Community во категоријата Говор во текст. На Railwail, WhisperX чини ≈ 0,0241 US$ по извршување.
Цени
| Типично извршување (≈ 14 s на A100 (80GB)) | 0,0241 US$ по извршување |
|---|---|
| GPU време (A100 (80GB)) | 0,00168 US$ по GPU секунда |
- Се наплаќува според GPU времето што извршувањето всушност го потребува. Кога извршувањето почнува, 3× типичната цена се резервира од вашиот салдо и се пресметува потоа.
- 1 кредит = 0,01 US$
Калкулатор за трошоци
Калкулатор за цена
Типично според добавувачот: околу 14,3 s
Вкупно
2,41 US$
241 кредити
По извршување
0,0241 US$ · 2,41 кредити
Наплачено е вистинското GPU време; ова е проценка.
API
Нема потврден API пример
Јавниот API пренесува различен формат на влез отколку што овој модел има потреба. Користете го игралиштето погоре.
Спецификации
- ID на моделот
whisperx- Развивач
- Community
- Категорија
- Говор во текст
- Влез
- Аудио
- Излез
- Текст
- Наплата
- По употреба (токени или GPU време)
- Каталошка ставка ажурирана
- 23 септември 2026 г.
Параметри на влез
Влезови и поставки од шемата на влез на моделот. Примерот во делот API покажува кои од нив ги прифаќа API.
audio_fileзадолжителноURL or upload of the audio file to transcribe
Тип: ТекстСтандардно: –Дозволени вредности: –languageOptional ISO-639-1 language code; auto-detected if omitted
Тип: ТекстСтандардно: –Дозволени вредности: –batch_sizeТип: ЦелинаСтандардно:64Дозволени вредности: 1 до 64diarizationТип: Да/НеСтандардно:falseДозволени вредности: –align_outputТип: Да/НеСтандардно:trueДозволени вредности: –
Ознаки
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Случаи на употреба
Често поставувани прашања
Што е WhisperX?
WhisperX е модел од Community во категоријата Говор во текст.
Колку чини WhisperX на Railwail?
На Railwail, WhisperX чини ≈ 0,0241 US$ по извршување. Се наплаќува за она што секој барање всушност користи. Употребата се плаќа од подготвени кредити; 1 кредит е еднаков на 0,01 US$.
Кои поставки поддржува WhisperX?
Според неговата шема за влез, WhisperX ги познава овие параметри: audio_file, language, batch_size (1 до 64), diarization и align_output.
Колку брз е WhisperX?
Нема доволно измерени извршувања на WhisperX на Railwail за да се наведе време на извршување. Зависи од влезот, поставките и оптеретувањето кај добавувачот.
Дали WhisperX е подобар од Incredibly Fast Whisper?
Зависи од задачата. WhisperX (Community) и Incredibly Fast Whisper (Community) се обата модели во категоријата Говор во текст. Страницата за споредба ги покажува нивните цени и спецификации една до друга.
Спореди WhisperX и Incredibly Fast WhisperСлични модели
Сите во оваа категорија- Incredibly Fast WhisperCommunity
Whisper Large v3 wrapped with Hugging Face Transformers optimizations (batched inference, flash attention) for very high throughput. Transcribes hours of audio in minutes on a single GPU. Maintained by Vaibhav Srivastav. Good when you need bulk transcription fast.
- WhisperOpenAI
OpenAI's Whisper running on Replicate. General-purpose speech recognition trained on 680k hours of multilingual audio. Transcribes and translates 99 languages, robust to accents and background noise, and outputs plain text, segments, or word-level timestamps.
- SeamlessM4TCommunity
Meta's SeamlessM4T multimodal translation model. Takes speech or text input and produces transcription or translation across about 100 languages, including speech-to-text and speech-to-speech. One model covers ASR plus cross-lingual translation without chaining separate systems.
Сите модели преку една API
Еден API клуч за секој модел на Railwail. Употребата се наплаќува од подготвени кредити, 1 кредит = 0,01 US$.