Whisper Large V3
STT.ai-ek modelo hau ordaindutako mailan exekutatzen du. STT.ai Enhanced-en atzean dagoen modeloa da. Transkribapen libreak Whisper Large v3 Turbo erabiltzen du, azkarragoa dena.
Ikusi planak →
·
Transkribatu Whisper Turbo-rekin →
4.2%
WER
99
Hizkuntzak
15.9x
Abiadura
MIT
Lizentzia
Honi buruz Whisper Large V3
Whisper Large V3 OpenAIren hizketa-ezagutzarako kode irekiko modelo nagusia da. 1.550 milioi parametro ditu, eta zehaztasun izugarria eskaintzen du 99 hizkuntzatan. 680.000 orduko hizkuntza anitzeko audio-datuetan trebatutako transformadore-kodetzaile-deskodetzaile arkitektura bat erabiltzen du.
Honek onartzen dituen hizkuntzak Whisper Large V3
Modeloaren informazioa
- HornitzaileaOpenAI
- Arkitektura-
- LizentziaMIT
- EguneratutaAug 2026
Maiz egiten diren galderak
Whisper Large V3 OpenAI-en ahotsetik testura eredua da. STT.ai-ek gure GPU propioan exekutatzen du ordaindutako planaren kontuetarako, eta STT.ai maila hobetuaren atzean dagoen eredua da. Transkribapen libreak Whisper Large v3 Turbo erabiltzen du, familia bereko kontrol-puntua azkarragoa.
Erreferentzia estandarretan, Whisper Large V3k %4.2 inguruko hitzen errore-tasa lortzen du. Benetako zehaztasuna audio-kalitatearen, azentuaren eta hizkuntzaren araberakoa da; grabazio zaratatsu edo azentudunetarako, WER ehuneko puntu batzuk handiagoa espero daiteke.
Whisper Large V3 STT.airen doako mailan exekutatzen da — bisitari bakoitzak 600 minutuko hasiera-denbora du, kosturik gabe. Ordainpeko planek fitxategiko muga luzeagoak gehitzen dituzte, transkribapen pribatuak eta lehentasun-ilara.
Whisper Large V3 MIT lizentziapean argitaratzen da, kode irekiko lizentzia permisiboa. Zure hardwarean Whisper Large V3 ostatatu dezakezu edo gure ostatatutako bertsioa erabili — biak erabil daitezke merkataritzan.
Whisper Large V3k 99 hizkuntza onartzen ditu. Auto-detekzioak hizkuntza egokia hautatzen du audio gehienentzat; eskuz ere zehaztu dezakezu zehaztasun txikiagoa lortzeko.
Whisper Large V3-k audioa 15.9x denbora errealean prozesatzen du gure GPUetan. Ordu bateko audio-fitxategi bat 3 minututan amaitzen da; fitxategi luzeagoak ilaran jarri eta e-postaz jakinarazi egiten dira amaitzen direnean.
Whisper Large V3-k 1.55B parametro ditu. Modelo handiagoak zehatzagoak izaten dira, baina motelagoak; STT.ai-k Whisper Large V3 GPUan gordetzen du, beraz parametroen kopuruak ez du eraginik izango bezeroaren errendimenduan.
Whisper Large V3ek STT.aik onartzen dituen formatu guztiak onartzen ditu: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI eta beste batzuk. Irteera TXT, SRT, VTT, DOCX, JSON edo PDF gisa.
Bai. Hiztun-diarizazioa Whisper Large V3rekin batera exekutatzen da transkribapen bakoitzean — hiztun bakoitza etiketatuta dago eta gero editorean izena aldatu ahal izango duzu.
Bai. Whisper Large V3 gure kudeatutako ingurunean exekutatzen da — audioa lehenespenez prozesatu eta ezabatu egiten da, eta ez da inoiz entrenamendurako erabiltzen, aldez aurretik aukeratu gabe. Pro planek bezeroaren aldeko enkriptatzea gehitzen dute transkribapen geldituetan.
Erabili compare-stt tresna Whisper Large V3 audio beraren beste edozein onartutako modeloren aurka exekutatzeko — WER, segmentu-kopurua, bozgorailuen etiketak eta konfiantza-puntuak aldi berean ikusiko dituzu. Whisper Large V3 eta Whisper Large V3 konparaketa da gehien erabiltzen dena.
Bai, ordaindutako plan batean. Zehaztu "whisper-large-v3" modeloaren parametro gisa /v1/transcribe amaierako puntuan. Plan aktiborik ez duten gakoak Whisper Large v3 Turbo-rekin zerbitzatuko dira. Eskaerak hala ere arrakasta izango du; modelo librea exekutatuko du soilik.
Bai. Whisper Large V3 MIT lizentziaduna denez, zeure burua ostatatu dezakezu. STT.airen kode irekiko orrialdean proiektuaren errepositorioa eta pisuak zerrendatzen dira. Produkzio-talde gehienek gure ostatatutako bertsioa erabiltzen dute GPU-ren erosketak, modeloen trukaketak eta operazioak saltatzeko.