Määrää lääkkeellä Whisper Large V3
4.2%
WER
99
Kielet
8.0x
Nopeus
MIT
Lisenssi
Tietoja Whisper Large V3
Whisper Large V3 on OpenAI:n lippulaiva, avoimen lähdekoodin puheentunnistusmalli. 1,55 miljardilla parametrilla se tarjoaa poikkeuksellisen tarkkuuden 99 kielelle. Se käyttää muuntajan koodaus-dekooderiarkkitehtuuria, joka on koulutettu 680 000 tunnin monikieliselle äänidatalle.
Malli-info
- PalveluntarjoajaOpenAI
- Arkkitehtuuri-
- LisenssiMIT
- PäivitettyMar 2026
Usein kysyttyjä kysymyksiä
Whisper Large V3 on OpenAI:n puheesta tekstiin -malli. STT.ai isännöi Whisper Large V3:ta GPU-infrastruktuurissamme, joten voit käyttää sitä ilman, että varaat omia laitteitasi – lataat äänen tai videon ja valitset Whisper Large V3 mallinnostolaitteesta.
Standardimittauksissa Whisper Large V3 saavuttaa noin 8801 prosentin Word Error Rate -arvon. Todellisen maailman tarkkuus riippuu äänenlaadusta, aksentista ja kielestä; äänekkäiden tai korostuneiden äänitteiden osalta WER:n odotetaan olevan muutaman prosenttiyksikön korkeampi.
Whisper Large V3 kulkee STT.ai:n vapaalla tasolla – jokainen vierailija saa 600 minuuttia aikaa aloittaa ilmaiseksi. Maksetut suunnitelmat lisäävät tiedostojen välisiä rajoja, yksityisiä selostuksia ja jonottamista.
Whisper Large V3 julkaistaan sallivan avoimen lähdekoodin lisenssin alla. Voit itse isännöidä Whisper Large V3:ta omalla laitteistollasi tai käyttää isäntäversiotamme – molemmat ovat kaupallisesti käyttökelpoisia.
Whisper Large V3 tukee 99 kieltä. Automaattinen havainnointi valitsee oikean kielen useimmille äänille; voit myös määrittää sen manuaalisesti pientä tarkkuusnosturia varten.
Whisper Large V3 prosessorin äänentoisto noin 8.0x reaaliaikaisesti GPU:issa. Tunnin äänitiedosto valmistuu alle 7 minuutissa, pidempi tiedostojono ja ilmoitus sähköpostitse, kun se on tehty.
Whisper Large V3:ssa on 1.55B parametria. Suuremmat mallit ovat yleensä tarkempia, mutta hitaampia; STT.ai isännöi Whisper Large V3:a GPU:ssa, joten parametrien määrä ei vaikuta asiakaspuolen suorituskykyyn.
Whisper Large V3 hyväksyy jokaisen formaatin STT.ai tukea: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI ja muut. Tuotos on TXT, SRT, VTT, DOCX, JSON tai PDF.
Kyllä. Kaiuttimen diarisointi kulkee Whisper Large V3:n rinnalla jokaista transkriptiota kohden – jokainen puhuja on merkitty, ja voit nimetä sen myöhemmin uudelleen päätoimittajaksi.
Kyllä. Whisper Large V3 kulkee hallitussa ympäristössämme – ääntä käsitellään ja poistetaan oletuksena, eikä sitä koskaan käytetä harjoitteluun ilman nimenomaista opt-iniä. Pro suunnittelee lisäävänsä asiakaspuolen salauksen selostuksiin levossa.
Verrattuna ensimmäiseen työkaluun voit ajaa Whisper Large V3 muuta saman äänen avulla tuettua mallia vastaan – näet WER:n, segmentin, kaiuttimen tarroja ja itseluottamuspisteitä vierekkäin. Whisper Large V3 vs. Whisper Large V3 -vertailu on yleisin.
Kyllä. Määrittele "whisper-large-v3" mallimuuttujaksi /v1/transcribe-päätetapahtumassa. Python ja Node.js SDKs sisältävät Whisper Large V3 esimerkkiä. Vapaa API-taso sisältää 100 minuuttia kuukaudessa.
Kyllä. Koska Whisper Large V3 on MIT-lisensoitu, voit itse isännöidä sitä. STT.ai:n avoimen lähdekoodin sivulla on listattu projektin repo ja painot. Useimmat tuotantoryhmät käyttävät isäntäversiotamme jättääkseen GPU-hankinnat, mallivaihdot ja opsit väliin.