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 US$/körning
- Inmatning → utmatning
- Audio → Text
- Utvecklare
- Community
- Uppdaterad
- 23 september 2026
Playground
Prova WhisperX
Inmatning & resultat
Denna körning
ca. 0,0241 US$ · 2,41 credits
0,0721 US$ (7,21 credits) reserveras vid start; den faktiska GPU-tiden faktureras.
För konton utan tidigare köp: körningar över 2 credits kräver en påfyllning.
Ny här?
10 gratis credits (0,10 US$) när du registrerar dig med Google
Användbar 24 timmar efter registrering, upp till 5 körningar per dag och högst 2 credits per körning. Andra inloggningsmetoder startar utan credits.
Examples
Output (JSON, shortened)
{ "segments": [ { "end": 30.811, "text": "The little tales they tell are false. The door was barred, locked and bolted as well. Ripe pears are fit for a queen's table. A big wet stain was on the round carpet. The kite dipped and swayed but stayed aloft. The pleasant hours fly by much too soon. The room was crowded with a mild wob.", "start": 2.585 }, { "end": 48.592, "text": "The room was crowded with a wild mob. This strong arm shall shield your honor. She blushed when he gave her a white orchid. The beetle droned in the hot June sun.", "start": 33.029 } ], "detected_language": "en" }
Om WhisperX
WhisperX är en modell av Community i kategorin Taligenkänning (STT). På Railwail kostar WhisperX ≈ 0,0241 US$ per körning.
Priser
| Typisk körning (≈ 14 s på A100 (80GB)) | 0,0241 US$ per körning |
|---|---|
| GPU-tid (A100 (80GB)) | 0,00168 US$ per GPU-sekund |
- Faktureras enligt den GPU-tid som körningen faktiskt tar. När körningen startar reserveras 3× det typiska priset från ditt saldo och regleras efteråt.
- 1 kredit = 0,01 US$
Kostnadsräknare
Prisräknare
Typisk enligt leverantören: ca 14,3 s
Totalt
2,41 US$
241 krediter
Per körning
0,0241 US$ · 2,41 krediter
Faktureras enligt faktisk GPU-tid; detta är en uppskattning.
API
Inget verifierat API-exempel
Det offentliga API:et skickar ett annat inmatningsformat än vad denna modell behöver. Använd lekplatsen ovan.
Specifikationer
- Modell-ID
whisperx- Utvecklare
- Community
- Kategori
- Taligenkänning (STT)
- Inmatning
- Audio
- Utmatning
- Text
- Fakturering
- Efter användning (tokens eller GPU-tid)
- Kataloginlägg uppdaterat
- 23 september 2026
Indataparametrar
Inmatningar och inställningar från modellens indataschema. Exemplet i API-avsnittet visar vilka som API:et accepterar.
audio_fileobligatoriskURL or upload of the audio file to transcribe
Typ: TextStandard: –Tillåtna värden: –languageOptional ISO-639-1 language code; auto-detected if omitted
Typ: TextStandard: –Tillåtna värden: –batch_sizeTyp: HeltalStandard:64Tillåtna värden: 1 till 64diarizationTyp: Ja/NejStandard:falseTillåtna värden: –align_outputTyp: Ja/NejStandard:trueTillåtna värden: –
Taggar
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Användningsfall
Vanliga frågor
Vad är WhisperX?
WhisperX är en modell av Community i kategorin Taligenkänning (STT).
Vad kostar WhisperX på Railwail?
På Railwail kostar WhisperX ≈ 0,0241 US$ per körning. Du debiteras för det som varje begäran faktiskt använder. Användningen betalas från förbetald kredit; 1 kredit motsvarar 0,01 US$.
Vilka inställningar stöder WhisperX?
Enligt sitt inmatningsschema känner WhisperX till dessa parametrar: audio_file, language, batch_size (1 till 64), diarization och align_output.
Hur snabb är WhisperX?
Det finns ännu inte tillräckligt många uppmätta körningar av WhisperX på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.
Är WhisperX bättre än Incredibly Fast Whisper?
Det beror på uppgiften. WhisperX (Community) och Incredibly Fast Whisper (Community) är båda modeller i kategorin Taligenkänning (STT). Jämförelsesidan visar deras priser och specifikationer sida vid sida.
Jämför WhisperX och Incredibly Fast WhisperJämförbara modeller
Alla i denna kategori- Incredibly Fast WhisperCommunity
Whisper Large v3 wrapped with Hugging Face Transformers optimizations (batched inference, flash attention) for very high throughput. Transcribes hours of audio in minutes on a single GPU. Maintained by Vaibhav Srivastav. Good when you need bulk transcription fast.
- WhisperOpenAI
OpenAI's Whisper running on Replicate. General-purpose speech recognition trained on 680k hours of multilingual audio. Transcribes and translates 99 languages, robust to accents and background noise, and outputs plain text, segments, or word-level timestamps.
- SeamlessM4TCommunity
Meta's SeamlessM4T multimodal translation model. Takes speech or text input and produces transcription or translation across about 100 languages, including speech-to-text and speech-to-speech. One model covers ASR plus cross-lingual translation without chaining separate systems.
Alla modeller via ett API
En API-nyckel för alla modeller på Railwail. Användningen debiteras från förbetald kredit, 1 kredit = 0,01 US$.