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.
- Cena
- ≈ 0,0241 USD/uruchomienie
- Wejście → Wyjście
- Audio → Tekst
- Deweloper
- Community
- Zaktualizowano
- 23 września 2026
Playground
Spróbuj WhisperX
Wejście i wyjście
To uruchomienie
ok. 0,0241 USD · 2,41 kredytów
Na początek rezerwowane jest 0,0721 USD (7,21 kredytów); rozliczana jest rzeczywista czas GPU.
Dla kont bez wcześniejszego zakupu: uruchomienia powyżej 2 kredytów wymagają doładowania.
Nowy tutaj?
10 darmowych kredytów (0,10 USD) po zarejestrowaniu się przez Google
Dostępne 24 godzin po rejestracji, do 5 uruchomień dziennie i maksymalnie 2 kredytów na uruchomienie. Inne metody logowania uruchamiają się bez kredytów.
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" }
O WhisperX
WhisperX to model opracowany przez Community w kategorii Rozpoznawanie mowy. W serwisie Railwail WhisperX kosztuje ≈ 0,0241 USD za uruchomienie.
Ceny
| Typowe uruchomienie (≈ 14 s na A100 (80GB)) | 0,0241 USD za uruchomienie |
|---|---|
| Czas GPU (A100 (80GB)) | 0,00168 USD za sekundę GPU |
- Rozliczane są czasy GPU, które przebieg faktycznie zajmuje. Po uruchomieniu przebiegu 3× typowej ceny jest rezerwowane z Twojego salda i rozliczane później.
- 1 kredyt = 0,01 USD
Kalkulator kosztów
Kalkulator cen
Typowo według dostawcy: ok. 14,3 s
Razem
2,41 USD
241 kredytów
Za uruchomienie
0,0241 USD · 2,41 kredytów
Rozliczane są rzeczywiste sekundy GPU; wartość jest szacunkiem.
API
Brak zweryfikowanego przykładu API
Publiczny API przekazuje inny format wejściowy niż wymaga ten model. Użyj placu zabaw powyżej.
Specyfikacje
- ID modelu
whisperx- Deweloper
- Community
- Kategoria
- Rozpoznawanie mowy
- Wejście
- Audio
- Wyjście
- Tekst
- Rozliczenie
- Według użycia (tokeny lub czas GPU)
- Wpis w katalogu zaktualizowany
- 23 września 2026
Parametry wejściowe
Dane wejściowe i ustawienia ze schematu wejściowego modelu. Przykład w sekcji API pokazuje, które z nich API akceptuje.
audio_filewymaganeURL or upload of the audio file to transcribe
Typ: TekstDomyślnie: –Dozwolone wartości: –languageOptional ISO-639-1 language code; auto-detected if omitted
Typ: TekstDomyślnie: –Dozwolone wartości: –batch_sizeTyp: Liczba całkowitaDomyślnie:64Dozwolone wartości: 1 do 64diarizationTyp: Tak/NieDomyślnie:falseDozwolone wartości: –align_outputTyp: Tak/NieDomyślnie:trueDozwolone wartości: –
Tagi
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Przypadki użycia
Często zadawane pytania
Co to jest WhisperX?
WhisperX to model opracowany przez Community w kategorii Rozpoznawanie mowy.
Ile kosztuje WhisperX w serwisie Railwail?
W serwisie Railwail WhisperX kosztuje ≈ 0,0241 USD za uruchomienie. Opłata jest pobierana za to, co faktycznie zużywa każde żądanie. Użycie jest opłacane z przedpłaconych kredytów; 1 kredyt równa się 0,01 USD.
Jakie ustawienia obsługuje WhisperX?
Zgodnie ze schematem wejściowym, WhisperX obsługuje te parametry: audio_file, language, batch_size (1 do 64), diarization i align_output.
Jak szybki jest WhisperX?
Dla WhisperX jest jeszcze zbyt mało zmierzonych przebiegów w serwisie Railwail, aby podać czas przebiegu. Zależy to od wejścia, ustawień i obciążenia u dostawcy.
Czy WhisperX jest lepszy niż Incredibly Fast Whisper?
To zależy od zadania. WhisperX (Community) i Incredibly Fast Whisper (Community) to oba modele z kategorii Rozpoznawanie mowy. Strona porównania pokazuje ich ceny i specyfikacje obok siebie.
Porównaj WhisperX i Incredibly Fast WhisperPorównywalne modele
Wszystkie w tej kategorii- 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.
Wszystkie modele przez jedno API
Jeden klucz API dla każdego modelu na Railwail. Opłaty pobierane są z przedpłaconych kredytów, 1 kredyt = 0,01 USD.