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.
- Precio
- ≈ USD 0.0241/ejecución
- Entrada → Salida
- Audio → Texto
- Desarrollador
- Community
- Actualizado
- 23 de septiembre de 2026
Playground
Probar WhisperX
Entrada y salida
Esta ejecución
aprox. USD 0.0241 · 2.41 créditos
Se reservan USD 0.0721 (7.21 créditos) al inicio; se factura el tiempo real de GPU.
Para cuentas sin compra previa: las ejecuciones superiores a 2 créditos requieren una recarga.
¿Nuevo aquí?
10 créditos gratis (USD 0.10) cuando te registras con Google
Utilizable 24 horas después del registro, hasta 5 ejecuciones por día y como máximo 2 créditos por ejecución. Otros métodos de inicio de sesión comienzan sin créditos.
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" }
Acerca de WhisperX
WhisperX es un modelo de Community en la categoría Reconocimiento de voz. En Railwail, WhisperX cuesta ≈ USD 0.0241 por ejecución.
Precios
| Ejecución típica (≈ 14 s en A100 (80GB)) | USD 0.0241 por ejecución |
|---|---|
| Tiempo de GPU (A100 (80GB)) | USD 0.00168 por segundo de GPU |
- Se factura por el tiempo de GPU que realmente toma la ejecución. Cuando comienza la ejecución, se reserva 3× el precio típico de tu saldo y se liquida después.
- 1 crédito = USD 0.01
Calculadora de costos
Calculadora de precios
Típico según el proveedor: aprox. 14.3 s
Total
USD 2.41
241 créditos
Por ejecución
USD 0.0241 · 2.41 créditos
Se factura el tiempo real de GPU; este es un estimado.
API
Sin ejemplo de API verificado
La API pública pasa un formato de entrada diferente al que necesita este modelo. Usa el playground anterior.
Especificaciones
- ID del modelo
whisperx- Desarrollador
- Community
- Categoría
- Reconocimiento de voz
- Entrada
- Audio
- Salida
- Texto
- Facturación
- Por uso (tokens o tiempo de GPU)
- Entrada del catálogo actualizada
- 23 de septiembre de 2026
Parámetros de entrada
Entradas y configuraciones del esquema de entrada del modelo. El ejemplo en la sección API muestra cuáles de ellas acepta la API.
audio_filerequeridoURL or upload of the audio file to transcribe
Tipo: TextoPredeterminado: –Valores permitidos: –languageOptional ISO-639-1 language code; auto-detected if omitted
Tipo: TextoPredeterminado: –Valores permitidos: –batch_sizeTipo: Número enteroPredeterminado:64Valores permitidos: 1 a 64diarizationTipo: Sí/NoPredeterminado:falseValores permitidos: –align_outputTipo: Sí/NoPredeterminado:trueValores permitidos: –
Etiquetas
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Casos de uso
Preguntas frecuentes
¿Qué es WhisperX?
WhisperX es un modelo de Community en la categoría Reconocimiento de voz.
¿Cuánto cuesta WhisperX en Railwail?
En Railwail, WhisperX cuesta ≈ USD 0.0241 por ejecución. Se te cobra por lo que cada solicitud realmente usa. El uso se paga con créditos prepagados; 1 crédito equivale a USD 0.01.
¿Qué configuraciones admite WhisperX?
Según su esquema de entrada, WhisperX conoce estos parámetros: audio_file, language, batch_size (1 a 64), diarization y align_output.
¿Qué tan rápido es WhisperX?
Aún no hay suficientes ejecuciones medidas de WhisperX en Railwail para indicar un tiempo de ejecución. Depende de la entrada, la configuración y la carga en el proveedor.
¿Es WhisperX mejor que Incredibly Fast Whisper?
Eso depende de la tarea. WhisperX (Community) y Incredibly Fast Whisper (Community) son ambos modelos en la categoría Reconocimiento de voz. La página de comparación muestra sus precios y especificaciones lado a lado.
Comparar WhisperX y Incredibly Fast WhisperModelos comparables
Todos en esta categoría- 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.
Todos los modelos a través de una API
Una clave API para todos los modelos en Railwail. El uso se cobra con créditos prepagados, 1 crédito = USD 0.01.