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.
- Ціна
- ≈ 0,0241 USD/запуск
- Вхід → вихід
- Аудіо → Текст
- Розробник
- Community
- Оновлено
- 23 вересня 2026 р.
Playground
Спробувати WhisperX
Введення та результат
Цей запуск
близько 0,0241 USD · 2,41 кредитів
На початку зарезервовано 0,0721 USD (7,21 кредитів); розраховується фактичний час GPU.
Для облікових записів без покупок: запуски понад 2 кредитів потребують поповнення.
Новенький?
10 безплатних кредитів (0,10 USD) при реєстрації через Google
Доступно 24 годин після реєстрації, до 5 запусків на день і максимум 2 кредитів за запуск. Інші способи входу стартують без кредитів.
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" }
Про WhisperX
WhisperX — це модель від Community у категорії Розпізнавання мовлення (STT). На Railwail WhisperX коштує ≈ 0,0241 USD за запуск.
Ціни
| Типовий запуск (≈ 14 с на A100 (80GB)) | 0,0241 USD за запуск |
|---|---|
| GPU-час (A100 (80GB)) | 0,00168 USD за GPU-секунду |
- Оплачується за GPU-час, який насправді займає запуск. При запуску 3× типової ціни зарезервовується з вашого балансу та розраховується потім.
- 1 кредит = 0,01 USD
Калькулятор вартості
Калькулятор ціни
Типово за постачальником: близько 14,3 с
Всього
2,41 USD
241 кредитів
За запуск
0,0241 USD · 2,41 кредитів
Виставляється рахунок за фактичний час GPU; це оцінка.
API
Немає перевіреного прикладу API
Публічний API передає інший формат введення, ніж потребує ця модель. Використовуйте playground вище.
Характеристики
- ID моделі
whisperx- Розробник
- Community
- Категорія
- Розпізнавання мовлення (STT)
- Вхідні дані
- Аудіо
- Вихідні дані
- Текст
- Виставлення рахунків
- За використанням (токени або час GPU)
- Запис у каталозі оновлено
- 23 вересня 2026 р.
Вхідні параметри
Вхідні дані та налаштування зі схеми вхідних даних моделі. Приклад у розділі API показує, які з них приймає API.
audio_fileобов'язковоURL or upload of the audio file to transcribe
Тип: ТекстЗа замовчуванням: –Допустимі значення: –languageOptional ISO-639-1 language code; auto-detected if omitted
Тип: ТекстЗа замовчуванням: –Допустимі значення: –batch_sizeТип: Ціле числоЗа замовчуванням:64Допустимі значення: 1 до 64diarizationТип: Так/НіЗа замовчуванням:falseДопустимі значення: –align_outputТип: Так/НіЗа замовчуванням:trueДопустимі значення: –
Теги
- replicate
- whisperx
- stt
- transcription
- diarization
- word-timestamps
- multilingual
Варіанти використання
Часті питання
Що таке WhisperX?
WhisperX — це модель від Community у категорії Розпізнавання мовлення (STT).
Скільки коштує WhisperX на Railwail?
На Railwail WhisperX коштує ≈ 0,0241 USD за запуск. Вам буде виставлено рахунок за те, що насправді використовує кожен запит. Використання оплачується з попередньо придбаних кредитів; 1 кредит дорівнює 0,01 USD.
Які налаштування підтримує WhisperX?
Згідно зі схемою введення, WhisperX знає такі параметри: audio_file, language, batch_size (1 до 64), diarization і align_output.
Наскільки швидкий WhisperX?
На Railwail поки що недостатньо виміряних запусків WhisperX, щоб вказати час виконання. Це залежить від введення, налаштувань та навантаження у постачальника.
Чи WhisperX краще за Incredibly Fast Whisper?
Це залежить від завдання. WhisperX (Community) і Incredibly Fast Whisper (Community) — обидві моделі в категорії Розпізнавання мовлення (STT). На сторінці порівняння показані їхні ціни та специфікації поруч.
Порівняти WhisperX і Incredibly Fast WhisperПорівнювані моделі
Усі в цій категорії- 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.
Усі моделі через один API
Один API-ключ для всіх моделей на Railwail. Використання оплачується з попередньо поповнених кредитів, 1 кредит = 0,01 USD.