| Whisper (OpenAI) | Google Speech to Text | Azure Speech | AssemblyAI | Deepgram | |
|---|---|---|---|---|---|
| Odprta koda | Da (MIT) | Ne | Ne | Ne | Ne |
| Lokalni zagon | Da (brezplačno) | Ne | Ne | Ne | Ne |
| Jeziki | 98 | 125+ | 100+ | ~20 | 36+ |
| Natančnost za angleščino | Odlična | Odlična | Zelo dobra | Odlična | Zelo dobra |
| Cena API (na minuto) | 0,003 do 0,006 USD | 0,006 do 0,024 USD | od 0,0053 USD | od 0,0037 USD | od 0,0043 USD |
| Pretakanje | Le prek API (modeli gpt-4o) | Da | Da | Da | Da |
| Razpoznava govorcev | Le prek API (različica diarize) | Da | Da | Da | Da |
| Lastno besedišče | Prek prompta | Učenje lastnega modela | Učenje lastnega modela | Lastno besedišče | Poudarjanje ključnih besed |
| Najboljše za | Odprta koda, zasebnost, velik obseg | Uporabnike Google Cloud, veliko jezikov | Podjetja, ekosistem Microsoft | Osredotočenost na natančnost, zmožnosti AI | Hitrost in sprotno delovanje |
Poudarki iz ekosistema skupnosti
whisper.cppPredelava Whisperja v C/C++, ki učinkovito teče na procesorjih brez Pythona ali PyTorcha. Podpira Apple Silicon, AVX2 in WebAssembly. Idealno za uvedbo na robnih napravah.
faster-whisperPonovna izvedba na osnovi CTranslate2, ki teče do 4-krat hitreje od izvirnika z manjšo porabo pomnilnika. Podpira paketno sklepanje in pospeševanje z grafično kartico.
insanely-fast-whisperOptimiziran cevovod sklepanja z uporabo HuggingFace Transformers, Flash Attention 2 in paketnega dekodiranja. Zvok na sodobnih grafičnih karticah obdeluje 150-krat hitreje od realnega časa.
Bistvo
Whisper je najboljša izbira, če potrebujete odprtokodni model, ki ga lahko poganjate lokalno brez stroškov na minuto, zlasti za velike obremenitve ali obremenitve, občutljive na zasebnost. Google in Azure sta boljša, če ste že v njunih oblačnih ekosistemih in potrebujete podporo za podjetja. AssemblyAI vodi po natančnosti in vgrajenih zmožnostih AI. Deepgram je odličen pri sprotnem prepisovanju z majhno zakasnitvijo. Za večino razvijalcev, ki začenjajo nov projekt, je Whisper najvarnejše izhodišče, saj je z njim brezplačno eksperimentirati in vedno lahko pozneje preidete na plačljiv API.