免费增值，定价请咨询
加载中…
自托管的 OpenAI Whisper，自带队列、网页界面与 REST API
https://github.com/schibsted/WAAS
打开实时网站 
4.5 / 5编辑评测分评分依据
- 实用性
- 4.7
自托管的 OpenAI Whisper，自带队列、网页界面与 REST API
这是编辑给出的评估，满分 5 分，不是用户打分的平均值。 本页的各方观点由 AI 根据产品信息归纳，不是真实用户的评价。
根据 OpenAITools.app 于 2026-11-11 核对的流量数据，WAAS（Whisper as a Service）（github.com）是一个收录在 AI 语音转文字下的 AI 平台，月访问量为 0，月度环比流量变化为 +0（0.0%）。其主要地理市场为全球（— 流量份额），采用免费定价模式。按月流量计算的主要竞争替代方案包括 AssemblyAI（45.36万次访问/月），Gladia（23.25万次访问/月），Modal（119.6万次访问/月）。
本地自部署Whisper天花板，带队列和GUI简直绝配！
开箱即用，Docker拉起来分分钟搞定音视频转写。
Jojo前端页面很清爽，非技术人员改文本零门槛。
好用。
以下短评基于实时网页探查、定价机制与同类产品基准由 AI 综合模拟生成，旨在呈现不同使用场景下的常见槽点与亮点，非实名真实用户评价。
上传音频或视频文件，即可获得转写结果，并下载 SRT、VTT、TXT 或 JSON 格式。
向 /v1/transcribe 发起 POST 请求，WAAS 返回 job_id，你可通过 /v1/jobs/<job_id> 轮询，或通过邮件、webhook 回调接收结果。
任务完成时通过邮件发送下载链接，或由 WAAS 向你指定的 webhook POST 一份带签名（X-WAAS-Signature）的数据，方便接入任意流水线。
打开 .jojo 文件，按住 Control 逐段试听、修正错误，再保存到本地，数据全程不离开浏览器。
每次请求可选 Whisper 从 tiny 到 large 的模型，并通过 /v1/detect 接口实现自动语种检测、转写或翻译。
WAAS 是 Whisper as a Service 的缩写。它把 OpenAI 的 Whisper 语音转文字模型封装成服务层，让转写从本地脚本变成一次 API 调用。该项目由媒体集团 Schibsted 开源打造（也用于支撑其 VG 的音频工具），以 Docker 容器形式发布：一个 Flask API、一个 Redis 队列，以及从队列取任务并运行 Whisper 的 RQ worker。配套的 Jojo 前端让非技术用户也能拖入文件拿到结果，无需接触命令行。
使用流程很简单。你向 /v1/transcribe POST 一个文件，同时附带 email_callback 或 webhook_id，以及 model、language、task 等可选参数。WAAS 将任务入队，worker 异步转写，完成后你会收到带下载链接的邮件或一条带签名的 webhook 回调。结果可获取为 SRT、VTT、带时间码的文本、纯文本或 JSON；/v1/detect 接口则可在正式转写前先识别文件语言。
由于 WAAS 是自托管且采用 Apache-2.0 授权，它面向的是希望获得 Whisper 精度、又不想承担按分钟计费的 SaaS 费用或把敏感音频交给第三方的团队与开发者。它不是托管产品：容器、GPU、存储以及邮件/webhook 基础设施都由你自行准备，转写质量取决于你选择的底层 Whisper 模型。
一次性自建 Whisper，对外提供 /v1/transcribe 接口，让应用能随时提交音视频并取回 SRT、VTT 或 JSON 结果。
用 Jojo 网页界面上传录音，通过邮件获取下载链接，并在浏览器编辑器中直接校对字幕，无需写代码。
把 WAAS 的 webhook 指向自有系统，让转写完成自动触发字幕渲染、发布或归档流程。
在自己的 GPU 硬件上运行 WAAS，机密录音不必离开内部基础设施，同时仍可享受 Whisper 模型的精度。
同一分类下同类 AI 工具的流量并排对比
| 排名 | AI 工具 | 月访问量 | 月度环比增长 | 直接流量占比 | 定价 | 头对头 |
|---|---|---|---|---|---|---|
| ● | WAAS（Whisper as a Service） | 0 | — | — | 免费 | 当前产品 |
| 1 | AssemblyAI | 45.36万 | -6.9% | 62% 直接流量 | 免费增值，定价请咨询 | 对比 AssemblyAI |
| 2 | Gladia | 23.25万 | +6.4% | 55% 直接流量 | 免费增值，定价请咨询 | 对比 Gladia |
| 3 | Modal | 119.6万 | +30.2% | 71% 直接流量 | 免费增值，定价请咨询 | 对比 Modal |
| 4 | Rev AI | 5.07万 | -18.4% | 44% 直接流量 | 免费试用，付费 | 对比 Rev AI |
| 5 | Deepgram Voice AI | 86.39万 | +31.8% | 52% 直接流量 | 免费试用 | 对比 Deepgram Voice AI |
| 6 | Vatis Tech | 4.17万 | -33.8% | 44% 直接流量 | 免费试用，定价请咨询 | 对比 Vatis Tech |
面向 AI 与数据负载的无服务器云基础设施
专项更强Vatis Tech is an audio and video transcription platform and developer API. It converts speech to text in 50+ languages at 95%+ accuracy, adds speaker diarization, summaries and chapters, and translates or subtitles the result in one click.
专项更强Vatis Tech is an audio and video transcription platform and developer API. It converts speech to text in 50+ languages at 95%+ accuracy, adds speaker diarization, summaries and chapters, and translates or subtitles the result in one click.
免费 / 开源可自托管或云端运行的开源个人 AI 助手
专项更强编排全球闲置消费级 GPU 的分布式 GPU 云
Together AI is the AI Native Cloud — a full-stack platform for running, fine-tuning and training open-source models. It spans serverless inference APIs, dedicated endpoints, GPU clusters, post-training and storage, all backed by in-house systems research.
Together AI is the AI Native Cloud — a full-stack platform for running, fine-tuning and training open-source models. It spans serverless inference APIs, dedicated endpoints, GPU clusters, post-training and storage, all backed by in-house systems research.
