Transkribieren mit Whisper Large V3
4.2%
WER
99
Languages
8.0x
Speed
MIT
License
Über Whisper Large V3
Whisper Large V3 is OpenAI's flagship open-source speech recognition model. With 1.55 billion parameters, it offers exceptional accuracy across 99 languages. It uses a transformer encoder-decoder architecture trained on 680,000 hours of multilingual audio data.
Model Info
- ProviderOpenAI
- Architecture-
- LicenseMIT
- UpdatedMar 2026
Häufig gestellte Fragen
Whisper Large V3 ist ein Sprach-zu-Text-Modell von OpenAI. STT.ai Hosts Whisper Large V3 auf unserer GPU-Infrastruktur, so dass Sie es ohne Bereitstellung Ihrer eigenen Hardware nutzen können – laden Sie Audio oder Video hoch und wählen Sie Whisper Large V3 vom Modellpicker.
Auf Standard-Benchmarks erreicht Whisper Large V3 rund 4.2% Word Error Rate. Real-Welt-Genauigkeit hängt von Audio-Qualität, Akzent und Sprache; für laute oder akzentuierte Aufnahmen, erwarten ein paar Prozentpunkte höher WER.
Whisper Large V3 läuft auf STT.ai's Free-Tier - jeder Besucher erhält 600 Minuten/Monat ohne Kosten. Bezahlte Pläne fügen mehr pro-Datei Grenzen, private Transkripte, und Priorität Warteschlange.
Whisper Large V3 wird unter MIT veröffentlicht, einer permissiven Open-Source-Lizenz. Sie können Whisper Large V3 auf Ihrer eigenen Hardware selbst hosten oder unsere gehostete Version verwenden – beide sind kommerziell nutzbar.
Whisper Large V3 unterstützt 99 Sprachen. Auto-Erkennung wählt die richtige Sprache für die meisten Audio-; Sie können es auch manuell für einen kleinen Genauigkeitsheber angeben.
Whisper Large V3 verarbeitet Audio bei ca. 8.0x Echtzeit auf unseren GPUs. Eine 1-stündige Audiodatei endet in weniger als 7 Minuten; längere Dateien stehen Schlange und benachrichtigen per E-Mail, wenn getan.
Whisper Large V3 hat 1.55B Parameter. Größere Modelle neigen dazu, genauer, aber langsamer zu sein; STT.ai Hosts Whisper Large V3 auf GPU, so dass die Parameteranzahl Ihre clientseitige Leistung nicht beeinflusst.
Whisper Large V3 akzeptiert jedes Format STT.ai unterstützt — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI und andere. Ausgabe als TXT, SRT, VTT, DOCX, JSON oder PDF.
Ja. Die Lautsprecherdiarisierung läuft bei jeder Transkription neben Whisper Large V3 – jeder Lautsprecher ist beschriftet und Sie können sie anschließend im Editor umbenennen.
Ja. Whisper Large V3 läuft in unserer verwalteten Umgebung – Audio wird standardmäßig verarbeitet und gelöscht und nie ohne explizites Opt-In zum Training verwendet. Pro-Pläne fügen Client-seitige Verschlüsselung für Transkripte in Ruhe hinzu.
Verwenden Sie das Vergleichs-stt-Tool, um Whisper Large V3 gegen jedes andere unterstützte Modell auf dem gleichen Audio laufen zu lassen – Sie sehen WER, Segmentanzahl, Lautsprecheretiketten und Konfidenzwerte nebeneinander. Der Whisper Large V3 vs Whisper Large V3 Vergleich ist der am häufigsten ausgeführte.
Ja. Geben Sie "whisper-large-v3" als Modellparameter auf dem Endpunkt /v1/transcribe an. Python und Node.js SDKs enthalten Whisper Large V3 Beispiele. Freie API-Ebene enthält 100 Minuten/Monat.
Ja. Da Whisper Large V3 MIT-lizenziert ist, können Sie es selbst hosten. STT.ai Open-Source-Seite listet die Projekt-Repo und Gewichte. Die meisten Produktionsteams verwenden unsere gehostete Version, um GPU Beschaffung, Modell-Swaps und Ops überspringen.