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/spustenie
- Vstup → výstup
- Audio → Text
- Vývojár
- Community
- Aktualizované
- 23. septembra 2026
Playground
Vyskúšajte WhisperX
Vstup a výstup
Tento beh
približne 0,0241 USD · 2,41 credits
Na začiatku sa rezervuje 0,0721 USD (7,21 credits); fakturuje sa skutočný čas GPU.
Pre účty bez nákupu: behy nad 2 credits vyžadujú dobíjanie.
Nový tu?
10 bezplatných credits (0,10 USD) pri registrácii cez Google
Použiteľné 24 hodín po registrácii, až 5 behov za deň a maximálne 2 credits za beh. Ostatné spôsoby prihlásenia sa spúšťajú bez 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" }
O WhisperX
WhisperX je model od Community v kategórii Konverzia reči na text. Na Railwail stojí WhisperX ≈ 0,0241 USD za spustenie.
Ceny
| Typické spustenie (≈ 14 s na A100 (80GB)) | 0,0241 USD za spustenie |
|---|---|
| Čas GPU (A100 (80GB)) | 0,00168 USD za sekundu GPU |
- Fakturuje sa čas GPU, ktorý spustenie skutočne trvá. Pri spustení sa z vášho zostatku rezervuje 3× typická cena a následne sa vyúčtuje.
- 1 kredit = 0,01 USD
Kalkulačka nákladov
Kalkulačka cien
Typicky podľa poskytovateľa: približne 14,3 s
Celkom
2,41 USD
241 kreditov
Na spustenie
0,0241 USD · 2,41 kreditov
Účtuje sa skutočný čas GPU; toto je odhad.
API
Žiadny overený príklad API
Verejné API odovzdáva iný formát vstupu, ako potrebuje tento model. Použite hraciu plochu vyššie.
Špecifikácie
- ID modelu
whisperx- Vývojár
- Community
- Kategória
- Konverzia reči na text
- Vstup
- Audio
- Výstup
- Text
- Fakturácia
- Podľa spotreby (tokeny alebo čas GPU)
- Katalógová položka aktualizovaná
- 23. septembra 2026
Vstupné parametre
Vstupy a nastavenia zo vstupnej schémy modelu. Príklad v sekcii API ukazuje, ktoré z nich API akceptuje.
audio_filepovinnéURL or upload of the audio file to transcribe
Typ: TextPredvolené: –Povolené hodnoty: –languageOptional ISO-639-1 language code; auto-detected if omitted
Typ: TextPredvolené: –Povolené hodnoty: –batch_sizeTyp: Celé čísloPredvolené:64Povolené hodnoty: 1 až 64diarizationTyp: Áno/NiePredvolené:falsePovolené hodnoty: –align_outputTyp: Áno/NiePredvolené:truePovolené hodnoty: –
Značky
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Prípady použitia
Často kladené otázky
Čo je WhisperX?
WhisperX je model od Community v kategórii Konverzia reči na text.
Koľko stojí WhisperX na Railwail?
Na Railwail stojí WhisperX ≈ 0,0241 USD za spustenie. Platíte za to, čo každý požiadavok skutočne spotrebuje. Použitie sa platí z predplateného kreditu; 1 kredit sa rovná 0,01 USD.
Ktoré nastavenia podporuje WhisperX?
Podľa svojej vstupnej schémy WhisperX pozná tieto parametre: audio_file, language, batch_size (1 až 64), diarization a align_output.
Ako rýchly je WhisperX?
Pre WhisperX je na Railwail zatiaľ príliš málo meraných spustení na určenie doby spustenia. Závisí to od vstupu, nastavení a zaťaženia u poskytovateľa.
Je WhisperX lepší ako Incredibly Fast Whisper?
Závisí to od úlohy. WhisperX (Community) a Incredibly Fast Whisper (Community) sú oba modely v kategórii Konverzia reči na text. Stránka porovnania zobrazuje ich ceny a špecifikácie vedľa seba.
Porovnať WhisperX a Incredibly Fast WhisperPorovnateľné modely
Všetky v tejto kategórii- 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.
Všetky modely cez jedno API
Jeden API kľúč pre všetky modely na Railwail. Použitie sa účtuje z predplateného kreditu, 1 kredit = 0,01 USD.