Whisper Large V3
STT.ai runs this model on the paid tier. It is the model behind STT.ai Enhanced. Free transcription uses Whisper Large v3 Turbo, which is faster.
Se planer →
·
Sí miðlasavnið »Turkey« í Wikimedia Commons. →
4.2%
WER
99
Languages
15.9x
Speed
MIT
License
Um Whisper Large V3
Whisper Large V3 er OpenAI flaggskipið fyri talgreining við opnum kóði. Við 1,55 milliardum parametrum, so bjóðar tað eina óvanliga nákvæmni á 99 málum. Tað nýtir ein transformer encoder-decoder arkitektur, ið er trent á 680.000 tímar av multilingual audio data.
Spøl, ið eru stuðlað av Whisper Large V3
Model info
- ProviderOpenAI
- Arkitektur-
- LicenseMIT
- OppdatertAug 2026
Ofta settir spurningar
Whisper Large V3 is a speech-to-text model by OpenAI. STT.ai runs it on our own GPU for accounts on a paid plan, and it is the model behind the STT.ai Enhanced tier. Free transcription uses Whisper Large v3 Turbo, the faster checkpoint of the same family.
Whisper Large V3 hevur eina orðfeilstíð uppá umleið 4.2% í standard próvtøkum. Real-world accuracy depends on audio quality, accent, and language; for noisy or accented recordings, expect a few percentage points higher WER.
Whisper Large V3 koyrir á STT.ai's free tier - hvør vitjandi fær 600 minuttir at byrja við uttan kostnað. gjaldandi ætlanirnar leggja longri per-file markið, privatar transkriptiónir og prioriterings kø.
Whisper Large V3 er útgivið undir MIT, einari permissivari opnari upprunaloyvisskipan. Tú kanst sjálvur vera vertur fyri Whisper Large V3 á tínum egna maskinvara ella brúka okkara vertur útgávu — báðar eru kommersielt nýtiligar.
Whisper Large V3 stuðlar 99 málum. Auto-discover velur rætta málið fyri flestu ljóðini. Tú kanst eisini velja tað manuelt fyri at fáa eina lítla øgiligari nákvæmni.
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 hevur 1.55B parametrar. Størri modeller hava til at vera meira nákvæmar, men hægri; STT.ai hevur Whisper Large V3 á GPU, so parameter-talið hevur ikki ávirkan á klient-síðuna.
Whisper Large V3 tekur ímóti øllum sniðum, sum STT.ai stuðlar — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, og onnur. Úttøka sum TXT, SRT, VTT, DOCX, JSON, ella PDF.
Ja. Speaker diarization runs alongside Whisper Large V3 for every transcription — each speaker is labelled and you can rename them in the editor afterwards.
Ja. Whisper Large V3 koyrir í okkara umsitingarliga umhvørvi — ljóð verður viðgjørt og slettað sum standard og verður ongantíð brúkt til venjing uttan útgreiniliga atkvøðugreiðslu. Pro-planir leggja til klient-side-kryptering fyri transkriptiónir í hvíld.
No 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.
Ja, á einari gjaldsskipan. Tilgreina "whisper-large-v3" sum modelparameter á /v1/transcribe endapunktinum. Nýttir uttan eina virkna skipan verða ístaðin hýstir við Whisper Large v3 Turbo. Fyrispurningin er enntá væleydnað; hon koyrir bara fría skipanina.
Ja. Tí Whisper Large V3 er MIT-licensed, tú kanst self-host it. STT.ai's open-source page lists the project repo and weights. Most production teams use our hosted version to skip GPU procurement, model swaps, and ops.