Grok Imagine VideoАналоги Nemotron ASR
Бюджетная
Silero STT
5/5
Silero STT – это высокоскоростная нейросетевая модель распознавания речи (speech-to-text), которая мгновенно преобразует речь в текст.
Silero STT
Средняя скорость генерации ~ 1.45 сек
Бюджетная
ElevenLabs Speech to text
5/5
ElevenLabs Speech to text — это современная модель для преобразования речи в текст, обеспечивающая высокоточную транскрипцию аудио и видео контента.
ElevenLabs Speech to text
Средняя скорость генерации ~ 6.48 сек
Версии:
v1 / v2
Бюджетная
Whisper
5/5
Опираясь на передовые технологии искусственного интеллекта от OpenAI, модель готова перевести любые голосовые файлы в текст.
Whisper
Средняя скорость генерации ~ 9.75 сек
Бюджетная
Silero Vad
5/5
Silero Vad – сверхлегкая модель для распознавания речи, которая предназначена для распознования речи в аудиофайле
Silero Vad
Средняя скорость генерации ~ 15.11 сек
