Transcribir con Whisper Large V3
4.2%
WER
99
Languages
8.0x
Speed
MIT
License
Acerca de 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
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 recibe 600 minutos / mes 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.