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 $/zagon
- Vhod → Izhod
- Avdio → Besedilo
- Razvijalec
- Community
- Posodobljeno
- 23. september 2026
Igrišče
Preizkusi WhisperX
Vnos in rezultat
Ta zagon
približno 0,0241 $ · 2,41 kreditov
Na začetku se rezervira 0,0721 $ (7,21 kreditov); obračunava se dejanski čas GPU.
Za račune brez nakupa: zagoni nad 2 kreditov potrebujejo polnjenje.
Novo tukaj?
10 brezplačnih kreditov (0,10 $) ob prijavi z Googlom
Uporabno 24 ur po prijavi, do 5 zaganom na dan in največ 2 kreditov na zagon. Druge metode prijave se začnejo brez kreditov.
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 je model razvijalca Community iz kategorije Pretvarjanje govora v besedilo. Na Railwail stane WhisperX ≈ 0,0241 $ na zagon.
Cene
| Tipičen zagon (≈ 14 s na A100 (80GB)) | 0,0241 $ na zagon |
|---|---|
| Čas GPU (A100 (80GB)) | 0,00168 $ na sekundo GPU |
- Obračunan je čas GPU, ki ga zagon dejansko potrebuje. Ko se zagon začne, se od vašega stanja rezervira 3× tipična cena in se pozneje poravna.
- 1 kredit = 0,01 $
Kalkulator stroškov
Kalkulator cen
Tipično po ponudniku: približno 14,3 s
Skupaj
2,41 $
241 kreditov
Na zagon
0,0241 $ · 2,41 kreditov
Obračunava se dejanski čas GPU; to je ocena.
API
Ni preverjenega primera API
Javni API prosledi drugačno obliko vnosa, kot jo potrebuje ta model. Uporabite igrišče zgoraj.
Specifikacije
- ID modela
whisperx- Razvijalec
- Community
- Kategorija
- Pretvarjanje govora v besedilo
- Vhod
- Avdio
- Izhod
- Besedilo
- Obračunavanje
- Po porabi (žetoni ali čas GPU)
- Kataložni vnos posodobljen
- 23. september 2026
Vhodne parametre
Vhodi in nastavitve iz vhodne sheme modela. Primer v razdelku API prikazuje, katere od njih API sprejema.
audio_fileObveznoURL or upload of the audio file to transcribe
Tip: BesediloPrivzeto: –Dovoljene vrednosti: –languageOptional ISO-639-1 language code; auto-detected if omitted
Tip: BesediloPrivzeto: –Dovoljene vrednosti: –batch_sizeTip: Celo številoPrivzeto:64Dovoljene vrednosti: 1 do 64diarizationTip: Da/NePrivzeto:falseDovoljene vrednosti: –align_outputTip: Da/NePrivzeto:trueDovoljene vrednosti: –
Oznake
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Primeri uporabe
Pogosta vprašanja
Kaj je WhisperX?
WhisperX je model podjetja Community iz kategorije Pretvarjanje govora v besedilo.
Koliko stane WhisperX na Railwailu?
Na Railwail stane WhisperX ≈ 0,0241 $ na zagon. Zaračunano vam je tisto, kar vsaka zahteva dejansko porabi. Uporaba se plača s predplačanimi krediti; 1 kredit je enak 0,01 $.
Katere nastavitve podpira WhisperX?
Glede na shemo vnosa WhisperX pozna te parametre: audio_file, language, batch_size (1 do 64), diarization in align_output.
Kako hiter je WhisperX?
Za WhisperX je na Railwailu še premalo izmerjenih zagonov, da bi navedli čas izvajanja. Odvisno je od vnosa, nastavitev in obremenitve pri ponudniku.
Je WhisperX boljši od Incredibly Fast Whisper?
To je odvisno od naloge. WhisperX (Community) in Incredibly Fast Whisper (Community) sta oba modela iz kategorije Pretvarjanje govora v besedilo. Stran za primerjavo prikazuje njune cene in specifikacije drug ob drugem.
Primerjaj WhisperX in Incredibly Fast WhisperPrimerljivi modeli
Vsi v tej kategoriji- 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.
Vsi modeli prek ene API
En API ključ za vsak model na Railwail. Uporaba se obračuna iz vnaprej plačanih kreditov, 1 kredit = 0,01 $.