Transcribeer gesproken audio naar tekst.
Snelkeuzes
6 modellen
Community
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.
whisperstttranscription
≈ US$ 0,0056/uitvoering
OpenAI
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.
whisperstttranscription
≈ US$ 0,0034/uitvoering
Community
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.
metaseamlessstt
≈ US$ 0,156/uitvoering
Community
Meta SeamlessM4T v2 Large speech mode. Speech-to-speech, speech-to-text, and text-to-speech translation across 100+ languages in a single unified model.
translationmetaopen-weights
≈ US$ 0,0012/uitvoering
Community
Whisper 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.
whisperstttranscription
≈ US$ 0,0063/uitvoering
Community
WhisperX (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.
whisperxstttranscription
≈ US$ 0,0241/uitvoering
OpenAI
OpenAI's Whisper model. State-of-the-art speech recognition supporting 99+ languages.
multilingual
Momenteel niet beschikbaar
OpenAI
OpenAI's distilled Whisper Large v3. ~216x realtime, 99+ languages, MIT-licensed weights.
whisperstttranscription
Gedeactiveerd
Other
Deepgram's flagship STT. First to offer realtime multilingual transcription with self-serve customization.
deepgramstttranscription
Momenteel niet beschikbaar
ElevenLabs
ElevenLabs' STT. 99 languages, word-level timestamps, speaker diarization, audio-event tagging.
scribestttranscription
Gedeactiveerd
Hun pagina's blijven online, maar de modellen kunnen momenteel niet worden uitgevoerd.
Speech-to-text (STT) modellen zetten gesproken audio om in geschreven tekst. De categorie dekt van podcasttranscripts tot realtime captioning-pipelines en spraakopdracht-interfaces in mobiele apps. Je grijpt naar STT wanneer je binnen audio moet zoeken, dictatie wilt bouwen, meetings wilt samenvatten of captions wilt genereren voor toegankelijkheid.
Gehoste API's rekenen meestal per minuut audio. Op Railwail draaien de Whisper-modellen op Replicate en worden ze op GPU-tijd afgerekend; elke modelpagina toont de prijs van een typische run. Sommige providers rekenen extra voor premiumfuncties zoals sprekerdiarisatie, timestamps op woordniveau, samenvattingen of vertaling, dus reken het door met de functies die je daadwerkelijk inschakelt.
De afweging is nauwkeurigheid, latency en functieomvang. Whisper Large V3 leidt op ruw word-error-rate in benchmarkevaluaties en is open-weights, dus self-hostbaar. Deepgram Nova-3 en AssemblyAI Universal leiden op streaming-latency (sub-300ms eerste token) en kwaliteit van diarisatie. ElevenLabs Scribe leidt op meertalige dekking en code-switching (wanneer sprekers midden in een zin van taal wisselen). Voor batchtranscriptie wint Whisper meestal op de combinatie kosten-en-nauwkeurigheid. Voor realtime gesprekstranscriptie wint een streaming-first provider.
Pas op met ruisaudio: de word-error-rate verdubbelt ruwweg onder 20 dB SNR op elk model, en overlappende sprekers degraderen diarisatie zelfs bij flagships. Pre-process met een ruisonderdrukkingsmodel (RNNoise, Krisp) als je bron onvoorspelbaar is. Pas ook op met eigennamen: elk model transcribeert nog altijd ongebruikelijke namen, technische termen en merknamen verkeerd. De meeste providers accepteren een `keywords`-hintlijst om de decoder bij te sturen — gebruik die.
De topkeuzes hierboven dekken het nauwkeurigste model, het goedkoopste werkpaard, de optie die de langste audio ondersteunt en de snelste streaming-optie.
Whisper Large V3 leidt op word-error-rate in onafhankelijke benchmarks over de meeste talen. Deepgram Nova-3 leidt op Engels met lage-latency streaming. AssemblyAI Universal leidt op callcenter- en meeting-audio. Draai een sample van je eigen audio op de modeldetailpagina voordat je je vastlegt.
Niet via Railwail: het transcriptie-endpoint verwerkt een volledig audiobestand. Deepgram, AssemblyAI en OpenAI (Realtime API) bieden streaming-transcriptie via hun eigen API's; kies voor ondertiteling en voice-agents een dienst met streaming.
Gehoste API's rekenen meestal per minuut audio. Op Railwail worden de Whisper-modellen op GPU-tijd afgerekend, met de prijs van een typische run op elke modelpagina. Premiumfuncties (diarisatie, timestamps, vertaling) hebben soms een toeslag.
Whisper Large V3 ondersteunt 99 talen. ElevenLabs Scribe dekt 100+ met sterke code-switching. Deepgram Nova-3 dekt nu 40+ met Engels als sterkste. Voor minder vertegenwoordigde talen draai eerst een sample — de nauwkeurigheid varieert sterk.
Ja, op de meeste flagships — diarisatie labelt elk segment met 'Speaker 1', 'Speaker 2', enz. De nauwkeurigheid hangt af van audiokwaliteit en hoe vaak sprekers overlappen. Sommige providers accepteren ook enrollment-audio om specifieke benoemde sprekers te identificeren.
Ja — timestamps op woord- of segmentniveau zijn standaard op flagshiptiers. Gebruik woordniveau voor video-captioning en karaoke-achtige highlighting; segmentniveau volstaat voor transcript-zoeken en meeting-samenvattingen.
MP3, WAV, M4A, FLAC, OGG en de meeste browser-native streamingformaten. Samplerates van 8 kHz (telefonie) tot 48 kHz (studio). De maximale bestandsgrootte varieert — doorgaans 25 MB op managed API's en onbeperkt voor self-hosted Whisper.
Ja — Whisper heeft een ingebouwde translate-modus die Engelse transcripts produceert vanuit elk van de 99 ondersteunde brontalen. ElevenLabs Scribe en enkele andere providers ondersteunen vertaling naar een bredere doelset. De vertaalnauwkeurigheid is lager dan bij toegewijde vertaalmodellen — prima voor zoeken maar niet voor publicatie.
Elk beschikbaar model via één OpenAI-compatibele API. Prepaid credits in USD, geen abonnement.
