StepAudio 2.5 ASR

مدل صوتی از استپ‌فان

به فارسی:استپ آدیو ۲.۵ ای اس آراستپ آدیو ۲.۵ تبدیل گفتار به متن

این مدل چیست؟

StepAudio 2.5 ASR مدل تبدیل گفتار به متن نسل ۲.۵ StepFun است که از API پلتفرم این شرکت ارائه می‌شود. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۴٫۷٪ است و با حدود ۰٫۳۷ دلار برای هر هزار دقیقه صدا از ارزان‌ترین مدل‌های آن جدول است. نسل بعدی آن StepAudio 3 ASR است.

سازنده: استپ‌فان (StepFun)

StepFun شرکت چینی هوش مصنوعی و سازندهٔ مدل‌های Step و خانوادهٔ صوتی Step-Audio است.

کجا می‌شود از آن استفاده کرد؟

فعلاً ابزاری در هوش یاب این مدل را ارائه نمی‌دهد.

جایگاه در جدول‌های مقایسه

  • سنجش گفتار به متن Artificial AnalysisStepAudio 2.5 ASR, StepFun
    رتبهٔ ۴۸خطای کلمه ۴٫۷٪$۰٫۳۷ برای ۱۰۰۰ دقیقه صدا
مقایسهٔ کامل مدل‌ها

مدل‌های دیگر استپ‌فان