Whisper Diarization

Name: Whisper Diarization
Brand: Community
SKU: whisper-diarization
Price: 0.0063 USD
Availability: InStock

Tale-til-tekstTilgjengelig

av Communitywhisper-diarization

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.

Prøv det Få API-nøkkel Sammenlign

Pris: ≈ 0,0063 USD/kjøring
Input → output: Lyd → Tekst
Utvikler: Community
Oppdatert: 23. september 2026

Playground

Prøv Whisper Diarization

Inndata og resultat

≈ 0,0063 USD/kjøring

Prompt(valgfritt)

0 / 1 000

Audio File URL

URL of the audio file to transcribe and diarize

Språk(valgfritt)

Avanserte innstillinger (2)

Number of Speakers(valgfritt)1–50

Optional fixed speaker count; estimated if omitted

Translate to English

⌘/Ctrl + Enter

Resultat

Transkripsjonene vises her.

Denne kjøringen

ca. 0,0063 USD · 0,63 credits

0,0188 USD (1,88 credits) reserveres ved start; faktisk GPU-tid faktureres.

Ny her?

10 gratis credits (0,10 USD) når du registrerer deg med Google

Kan brukes 24 timer etter registrering, opptil 5 kjøringer per dag og maksimalt 2 credits per kjøring. Andre påloggingsmetoder starter uten credits. Nok for 5 kjøringer av denne modellen.

Examples

Real outputs from the public examples of this model on Replicate, with the prompt and settings that produced them. They were not generated live on this page.

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

Om Whisper Diarization

Kort sagtPer 23. september 2026

Whisper Diarization er en modell fra Community i kategorien Tale-til-tekst. På Railwail koster Whisper Diarization ≈ 0,0063 USD per kjøring.

Priser

Priser i amerikanske dollar. Bruk belastes fra forhåndsbetalt kreditt.

Typisk kjøring (≈ 5 s på L40S)	0,0063 USD per kjøring
GPU-tid (L40S)	0,00117 USD per GPU-sekund

Faktureres etter GPU-tiden kjøringen faktisk tar. Når kjøringen starter, blir 3× den typiske prisen reservert fra saldoen din og gjort opp etterpå.
1 kreditt = 0,01 USD

Kostnadsberegner

Prisberegner

GPU-sekunder per kjøring

Typisk ifølge leverandøren: ca. 5,3 s

Kjøringer

Totalt

0,63 USD

63 credits

Per kjøring

0,0063 USD · 0,63 credits

Fakturert etter faktisk GPU-tid; dette er et estimat.

API

Ring Whisper Diarization med din Railwail API-nøkkel. Bruk denne modell-IDen i forespørselen:

whisper-diarizationAPI-dokumentasjon Få en API-nøkkel

Ingen verifisert API-eksempel

Det offentlige API-et sender et annet inngangsformat enn det denne modellen trenger. Bruk lekeplassen ovenfor.

Spesifikasjoner

Modell-ID: whisper-diarization
Utvikler: Community
Kategori: Tale-til-tekst
Inndata: Lyd
Utdata: Tekst
Fakturering: Etter bruk (tokens eller GPU-tid)
Katalogoppføring oppdatert: 23. september 2026

Inndataparametere

Inndataer og innstillinger fra modellens inndataskjema. Eksemplet i API-delen viser hvilke av dem APIen godtar.

ParameterTypeStandardTillatte verdier

file_urlobligatorisk
URL of the audio file to transcribe and diarize
Type: Tekst
Standard: –
Tillatte verdier: –
prompt
Optional vocabulary or context hint
Type: Tekst
Standard: –
Tillatte verdier: opptil 1 000 tegn
language
Optional ISO-639-1 language code; auto-detected if omitted
Type: Tekst
Standard: –
Tillatte verdier: –
translate
Type: Ja/Nei
Standard: false
Tillatte verdier: –
num_speakers
Optional fixed speaker count; estimated if omitted
Type: Heltall
Standard: –
Tillatte verdier: 1 til 50

Merkelapper

replicate
whisper
stt
transcription
diarization
speaker-labels
multilingual

Brukstilfeller

Relaterte veiledninger

Speech-to-Text & Transcription Models

Alle modeller i Tale-til-tekst

Ofte stilte spørsmål

Hva er Whisper Diarization?

Whisper Diarization er en modell fra Community i kategorien Tale-til-tekst.

Hvor mye koster Whisper Diarization på Railwail?

På Railwail koster Whisper Diarization ≈ 0,0063 USD per kjøring. Du betaler for det hver forespørsel faktisk bruker. Bruk betales fra forhåndskjøpte kreditter; 1 kreditt tilsvarer 0,01 USD.

Hvilke innstillinger støtter Whisper Diarization?

I henhold til inndataskjemaet kjenner Whisper Diarization disse parametrene: file_url, prompt (opptil 1 000 tegn), language, translate og num_speakers (1 til 50).

Hvor rask er Whisper Diarization?

Det finnes ennå ikke nok målte kjøringer av Whisper Diarization på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.

Er Whisper Diarization bedre enn Incredibly Fast Whisper?

Det avhenger av oppgaven. Whisper Diarization (Community) og Incredibly Fast Whisper (Community) er begge modeller i kategorien Tale-til-tekst. Sammenligningssiden viser prisene og spesifikasjonene deres side ved side.

Sammenlign Whisper Diarization og Incredibly Fast Whisper

Sammenlignbare modeller

Alle i denne kategorien

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.
≈ 0,0056 USD/kjøring
11 % billigere per enhet
Sammenlign Whisper Diarization og Incredibly Fast Whisper
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.
≈ 0,0034 USD/kjøring
46 % billigere per enhet
Sammenlign Whisper Diarization og Whisper
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.
≈ 0,156 USD/kjøring
2 376 % dyrere per enhet
Sammenlign Whisper Diarization og SeamlessM4T

Alle modeller gjennom én API

Én API-nøkkel for alle modeller på Railwail. Bruk belastes fra forhåndsbetalt kreditt, 1 kreditt = 0,01 USD.

Få API-nøkkel Se alle modeller