Aller au contenu principal
usedby
BasetenusedbyPatreon

Comment Patreon utilise Baseten

Patreon utilise Baseten pour déployer et mettre à l'échelle le modèle open source Whisper afin de transcrire les contenus audio et vidéo importés par les créateurs et de générer les sous-titres de son produit vidéo natif, sans avoir besoin d'une équipe interne d'infrastructure ML.

ConfirméÉtude de cas de l’éditeur · Vérifié le 11 nov. 2026
Voir la preuve capturée

L’usage : comment Patreon déploie Baseten

Patreon uses Baseten to deploy and scale the open-source Whisper model to transcribe audio and video content uploaded by creators and to generate closed captions for its native video product, without needing an in-house ML infrastructure team.

Autres résultats publiés

Chiffres publiés dans l’étude de cas de Baseten. usedby ne les mesure pas de façon indépendante.

$600k

$600k of resources saved per year

70%

70% savings in GPU cost

Le témoignage du client

Faire tourner nos modèles sur Baseten est plus économique que toute autre option pour les solutions spécifiques à un secteur. C'est deux fois moins cher que la solution suivante la moins chère. Ajoutez à cela la rapidité avec laquelle ils améliorent leur produit et le fait qu'ils cochent les bonnes cases de conformité pour nous, et Baseten est devenu le partenaire idéal.
Traduction automatique de l’anglais
Voir l’originalRunning our models on Baseten is more cost-effective than anything else in terms of vertical-specific solutions. It’s twice as cheap as the next cheapest solution. That plus their product improvement velocity and ticking the right compliance markers for us made working with Baseten the perfect partnership.
Nikhil Harithas, Senior ML Engineer, Patreon — Source
Grâce au partenariat avec Baseten, nous pouvons servir différents types de modèles, ce qui signifie que mon équipe peut vraiment se concentrer sur ceux qui conviennent le mieux.
Traduction automatique de l’anglais
Voir l’originalThrough the partnership with Baseten, we have the ability to serve different types of models, which means that my team can really focus on the ones that are the best fit.
Brian LaMattina, VP of Engineering, Patreon — Source, capturée le 7 nov. 2026

Les autres outils IA utilisés par Patreon

Autres relations publiques recensées sur usedby.

AssembledObservé
Explorer la stack IA de Patreon

Les autres entreprises qui utilisent Baseten

Des clients de différents secteurs, avec une preuve publique.

EliseAIConfirméGammaConfirméHarveyConfirméHebbiaConfirméLangChainConfirméLatent HealthConfirmé
Voir tous les clients de Baseten

Autres témoignages

Consulter la source

Cette synthèse repose sur l’étude de cas publiée par Baseten. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.

baseten.co
Dernière vérification
11 nov. 2026
baseten.coCapture de l’étude de cas de Baseten sur PatreonOuvrir la capture
Ce que dit le témoignage, et ce que nous avons vérifié

Ce que nous avons comparé à la page.

  • Le chiffre : 440+ hoursVérifié

    Imprimé mot pour mot sur la page, près du nom de Patreon.

  • L’extrait cité plus hautVérifié

    Copié mot pour mot depuis la page, près du nom de Patreon.

  • Patreon utilise BasetenVérifié

    Ligne de niveau Confirmé.

  • Le résultat lui-mêmeNon vérifié

    Nous le citons ; nous ne l’avons pas mesuré.

Plugging Baseten into their toolset was a game-changer for the Patreon team. They were able to deploy and massively scale the Whisper transcription model, without needing help from infra-minded engineers.
Extrait de la page. baseten.co