Transcribe con Whisper Large V3
4.2%
WER
99
Idiomas
8.0x
Velocidad
MIT
Licencia
Acerca de Whisper Large V3
Whisper Large V3 es el modelo de reconocimiento de voz de código abierto insignia de OpenAI. Con 1.550 millones de parámetros, ofrece una precisión excepcional en 99 idiomas. Utiliza una arquitectura de codificador-decodificador de transformadores entrenado en 680.000 horas de datos de audio multilingües.
Información del modelo
- ProveedorOpenAI
- Arquitectura-
- LicenciaMIT
- ActualizadoMar 2026
Preguntas frecuentes
Whisper Large V3 es un modelo de voz a texto de OpenAI. STT.ai aloja Whisper Large V3 en nuestra infraestructura de GPU para que pueda usarlo sin aprovisionamiento de su propio hardware — subir audio o vídeo y elegir Whisper Large V3 del selector de modelos.
En puntos de referencia estándar, Whisper Large V3 alcanza alrededor de 4.2% tasa de error de Word. La precisión en el mundo real depende de la calidad de audio, el acento y el lenguaje; para grabaciones ruidosas o acentuadas, espere unos puntos porcentuales más alto WER.
Whisper Large V3 funciona en el nivel gratuito de STT.ai — cada visitante tiene 600 minutos para empezar sin costo. Los planes pagados añaden límites por archivo más largos, transcripciones privadas y cola de prioridad.
Whisper Large V3 es lanzado bajo MIT, una licencia de código abierto permisiva. Usted puede auto-anfitriona Whisper Large V3 en su propio hardware o utilizar nuestra versión alojada — ambos son comercialmente utilizables.
Whisper Large V3 admite 99 idiomas. La detección automática selecciona el idioma adecuado para la mayoría de audio; también puede especificarlo manualmente para un pequeño ascensor de precisión.
Whisper Large V3 procesa audio en aproximadamente 8.0x en tiempo real en nuestras GPUs. Un archivo de audio de 1 hora termina en menos de 7 minutos; los archivos más largos cola y notificar por correo electrónico cuando se hace.
Whisper Large V3 tiene parámetros 1.55B. Los modelos más grandes tienden a ser más precisos pero más lentos; STT.ai aloja Whisper Large V3 en GPU para que el recuento de parámetros no afecte el rendimiento de su cliente.
Whisper Large V3 acepta todos los soportes de formato STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, y otros. Salida como TXT, SRT, VTT, DOCX, JSON o PDF.
Sí. Diarización del altavoz corre junto a Whisper Large V3 para cada transcripción - cada altavoz está etiquetado y se puede cambiar el nombre en el editor después.
Sí. Whisper Large V3 se ejecuta en nuestro entorno gestionado — audio se procesa y elimina por defecto y nunca se utiliza para el entrenamiento sin opt-in explícito. Planes Pro añadir cifrado del lado del cliente para transcripciones en reposo.
Utilice la herramienta compare-stt para ejecutar Whisper Large V3 contra cualquier otro modelo soportado en el mismo audio: verá WER, conteo de segmentos, etiquetas de altavoz y puntuaciones de confianza lado a lado. La comparación Whisper Large V3 vs Whisper Large V3 es la más común.
Sí. Especifique "whisper-large-v3" como parámetro de modelo en el endpoint /v1/transcribir. Los SDKs de Python y Node.js incluyen Whisper Large V3 ejemplos. El nivel de API libre incluye 100 minutos/mes.
Sí. Debido a que Whisper Large V3 es licenciada MIT, usted puede auto-anfitrionarlo. STT.ai's página de código abierto lista la repo proyecto y pesos. La mayoría de los equipos de producción utilizan nuestra versión alojada para saltarse la adquisición de GPU, modelos swaps, y ops.