Whisper Large V3
STT.ai اين مدل رو روي سطح پرداختي اجرا ميکنه. اين مدل پشت STT.ai بهبود يافته است. رونوشت آزاد از Whisper Large v3 Turbo استفاده ميکنه که سريعتره.
نقشه ها رو ببين →
·
. رونوشت آزاد با Whisper Turbo →
4.2%
WER
99
زبانها
15.9x
سرعت
MIT
مجوز
در مورد Whisper Large V3
Whisper Large V3 پرچمدار مدل شناسایی گفتار متن‌باز OpenAI است. با ۱٫۵۵ میلیارد پارامتر، دقت فوق‌العاده‌ای را در ۹۹ زبان ارائه می‌دهد. از یک معماری کدگذار-رمزگشایی تبدیل استفاده می‌کند که بر روی ۶۸۰٬۰۰۰ ساعت داده‌های صوتی چندزبانه آموزش دیده است.
اطلاعات مدل
- ارائه‌دهندهOpenAI
- معماری-
- مجوزMIT
- به روزرسانیAug 2026
پرسشهای متداول
Whisper Large V3 یک مدل گفتار به متن توسط OpenAI است. STT.ai آن را بر روی GPU خودمان برای حساب‌های در یک برنامه پرداختی اجرا می‌کند، و این مدل پشت STT.ai Enhanced Tier است. رونویسی رایگان از Whisper Large v3 Turbo استفاده می‌کند، نقطه چک سریعتر از همان خانواده.
در استانداردهای استاندارد، Whisper Large V3 در حدود 4.2% Word Error Rate را بدست می‌آورد. دقت واقعی به کیفیت صدا، لهجه و زبان بستگی دارد؛ برای ضبط‌های پر سر و صدا یا لهجه، انتظار چند درصد بالاتر WER را داشته باشید.
Whisper Large V3 در لایه رایگان STT.ai اجرا می‌شود - هر بازدیدکننده ۶۰۰ دقیقه برای شروع بدون هزینه دریافت می‌کند.
Whisper Large V3 تحت MIT منتشر می‌شود، یک مجوز آزاد آزاد. شما می‌توانید خودتان Whisper Large V3 را در سخت‌افزار خود میزبانی کنید یا از نسخه میزبانی شده ما استفاده کنید - هر دو قابل استفاده تجاری هستند.
Whisper Large V3 از زبانهای 99 پشتیبانی می‌کند. تشخیص خودکار زبان درست را برای بیشتر صداها انتخاب می‌کند؛ همچنین می‌توانید آن را برای یک بالا رفتن دقت کوچک دستی مشخص کنید.
Whisper Large V3 processes audio at about 15.9x real-time on our GPUs. A 1-hour audio file finishes in under 3 minutes; longer files queue and notify by email when done.
Whisper Large V3 پارامترهای 1.55B دارد. مدل‌های بزرگتر تمایل به دقت بیشتر اما کندتر دارند؛ STT.ai Whisper Large V3 را در GPU میزبانی می‌کند، بنابراین شمارش پارامترها بر عملکرد سمت کارگزار شما تأثیر نمی‌گذارد.
Whisper Large V3 هر فرمتی را که STT.ai پشتیبانی می‌کند را می‌پذیرد - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI و دیگران.
بله. نوشتار شنونده در کنار Whisper Large V3 برای هر رونوشت اجرا می شود — هر شنونده برچسب گذاری شده و می توانید بعداً آنها را در ویرایشگر تغییر نام دهید.
بله. Whisper Large V3 در محیط مدیریت شده ما اجرا می‌شود - صدا به صورت پیشفرض پردازش و حذف می‌شود و هیچگاه برای آموزش بدون انتخاب صریح استفاده نمی‌شود. برنامه‌های Pro رمزگذاری سمت مشتری را برای رونوشت‌های در حال استراحت اضافه می‌کنند.
Use the compare-stt tool to run Whisper Large V3 against any other supported model on the same audio — you'll see WER, segment count, speaker labels, and confidence scores side-by-side. The Whisper Large V3 vs Whisper Large V3 comparison is the most commonly run.
بله، در یک برنامه پرداختی. به عنوان پارامتر مدل در نقطه پایانی /v1/transcribe ، "whisper-large-v3" را مشخص کنید. کلیدهایی که برنامه فعالی ندارند، در عوض Whisper Large v3 Turbo را ارائه می‌کنند. درخواست همچنان موفق است؛ فقط مدل رایگان را اجرا می‌کند.
بله. چون Whisper Large V3 دارای مجوز MIT است، شما می‌توانید آن را خودتان میزبانی کنید. صفحهٔ منبع باز STT.ai فهرستی از پروژه و وزن‌ها را ارائه می‌دهد. بیشتر تیم‌های تولید از نسخهٔ میزبانی شده ما برای فراموش کردن خرید GPU، مبادلات مدل و عملیات استفاده می‌کنند.