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.
- Pris
- ≈ 0,0241 USD/kjøring
- Input → output
- Lyd → Tekst
- Utvikler
- Community
- Oppdatert
- 23. september 2026
Playground
Prøv WhisperX
Inndata og resultat
Denne kjøringen
ca. 0,0241 USD · 2,41 credits
0,0721Â USD (7,21 credits) reserveres ved start; faktisk GPU-tid faktureres.
For kontoer uten tidligere kjøp: kjøringer over 2 credits trenger påfyll.
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.
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" }
Om WhisperX
WhisperX er en modell fra Community i kategorien Tale-til-tekst. På Railwail koster WhisperX ≈ 0,0241 USD per kjøring.
Priser
| Typisk kjøring (≈ 14 s på A100 (80GB)) | 0,0241 USD per kjøring |
|---|---|
| GPU-tid (A100 (80GB)) | 0,00168Â 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 = 0,01Â USD
Kostnadsberegner
Prisberegner
Typisk ifølge leverandøren: ca. 14,3 s
Totalt
2,41Â USD
241 credits
Per kjøring
0,0241 USD · 2,41 credits
Fakturert etter faktisk GPU-tid; dette er et estimat.
API
Ingen verifisert API-eksempel
Det offentlige API-et sender et annet inngangsformat enn det denne modellen trenger. Bruk lekeplassen ovenfor.
Spesifikasjoner
- Modell-ID
whisperx- 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.
audio_fileobligatoriskURL or upload of the audio file to transcribe
Type: TekstStandard: –Tillatte verdier: –languageOptional ISO-639-1 language code; auto-detected if omitted
Type: TekstStandard: –Tillatte verdier: –batch_sizeType: HeltallStandard:64Tillatte verdier: 1 til 64diarizationType: Ja/NeiStandard:falseTillatte verdier: –align_outputType: Ja/NeiStandard:trueTillatte verdier: –
Merkelapper
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Brukstilfeller
Ofte stilte spørsmål
Hva er WhisperX?
WhisperX er en modell fra Community i kategorien Tale-til-tekst.
Hvor mye koster WhisperX på Railwail?
På Railwail koster WhisperX ≈ 0,0241 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 WhisperX?
I henhold til inndataskjemaet kjenner WhisperX disse parametrene: audio_file, language, batch_size (1 til 64), diarization og align_output.
Hvor rask er WhisperX?
Det finnes ennå ikke nok målte kjøringer av WhisperX på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.
Er WhisperX bedre enn Incredibly Fast Whisper?
Det avhenger av oppgaven. WhisperX (Community) og Incredibly Fast Whisper (Community) er begge modeller i kategorien Tale-til-tekst. Sammenligningssiden viser prisene og spesifikasjonene deres side ved side.
Sammenlign WhisperX og Incredibly Fast WhisperSammenlignbare 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.
- 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.
Alle modeller gjennom én API
Én API-nøkkel for alle modeller på Railwail. Bruk belastes fra forhåndsbetalt kreditt, 1 kreditt = 0,01 USD.