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.
- Preço
- ≈ US$ 0,0241/execução
- Entrada → Saída
- Áudio → Texto
- Desenvolvedor
- Community
- Atualizado
- 23 de setembro de 2026
Playground
Experimentar WhisperX
Entrada & saída
Esta execução
cerca de US$ 0,0241 · 2,41 créditos
US$ 0,0721 (7,21 créditos) são reservados no início; o tempo real de GPU é cobrado.
Para contas sem compra anterior: execuções acima de 2 créditos precisam de recarga.
Novo por aqui?
10 créditos grátis (US$ 0,10) ao se inscrever com Google
Utilizável 24 horas após inscrição, até 5 execuções por dia e no máximo 2 créditos por execução. Outros métodos de login começam sem 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" }
Sobre WhisperX
WhisperX é um modelo de Community na categoria Conversão de fala em texto. No Railwail, WhisperX custa ≈ US$ 0,0241 por execução.
Preços
| Execução típica (≈ 14 s em A100 (80GB)) | US$ 0,0241 por execução |
|---|---|
| Tempo de GPU (A100 (80GB)) | US$ 0,00168 por segundo de GPU |
- Faturado pelo tempo de GPU que a execução realmente leva. Quando a execução começa, 3× o preço típico é reservado do seu saldo e liquidado depois.
- 1 crédito = US$ 0,01
Calculadora de custos
Calculadora de preços
Típico conforme o provedor: cerca de 14,3 s
Total
US$ 2,41
241 créditos
Por execução
US$ 0,0241 · 2,41 créditos
Faturado pelo tempo real de GPU; este é uma estimativa.
API
Nenhum exemplo de API verificado
A API pública passa um formato de entrada diferente do que este modelo precisa. Use o playground acima.
Especificações
- ID do modelo
whisperx- Desenvolvedor
- Community
- Categoria
- Conversão de fala em texto
- Entrada
- Áudio
- Saída
- Texto
- Faturamento
- Por uso (tokens ou tempo de GPU)
- Entrada do catálogo atualizada
- 23 de setembro de 2026
Parâmetros de entrada
Entradas e configurações do esquema de entrada do modelo. O exemplo na seção API mostra quais delas a API aceita.
audio_fileobrigatórioURL or upload of the audio file to transcribe
Tipo: TextoPadrão: –Valores permitidos: –languageOptional ISO-639-1 language code; auto-detected if omitted
Tipo: TextoPadrão: –Valores permitidos: –batch_sizeTipo: Número inteiroPadrão:64Valores permitidos: 1 a 64diarizationTipo: Sim/NãoPadrão:falseValores permitidos: –align_outputTipo: Sim/NãoPadrão:trueValores permitidos: –
Etiquetas
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Casos de uso
Perguntas frequentes
O que é WhisperX?
WhisperX é um modelo de Community na categoria Conversão de fala em texto.
Quanto custa WhisperX no Railwail?
No Railwail, WhisperX custa ≈ US$ 0,0241 por execução. Você é cobrado pelo que cada solicitação realmente usa. O uso é pago com créditos pré-pagos; 1 crédito equivale a US$ 0,01.
Quais configurações WhisperX suporta?
De acordo com seu esquema de entrada, WhisperX conhece estes parâmetros: audio_file, language, batch_size (1 a 64), diarization e align_output.
Qual é a velocidade de WhisperX?
Ainda não há execuções medidas suficientes de WhisperX no Railwail para indicar um tempo de execução. Depende da entrada, das configurações e da carga no provedor.
WhisperX é melhor que Incredibly Fast Whisper?
Depende da tarefa. WhisperX (Community) e Incredibly Fast Whisper (Community) são ambos modelos na categoria Conversão de fala em texto. A página de comparação mostra seus preços e especificações lado a lado.
Comparar WhisperX e Incredibly Fast WhisperModelos comparáveis
Todos nesta categoria- 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 os modelos através de uma API
Uma chave API para todos os modelos no Railwail. O uso é cobrado a partir de créditos pré-pagos, 1 crédito = US$ 0,01.