સાથે લખો Whisper Large V3
4.2%
WER
99
ભાષાઓ
15.9x
ઝડપ
MIT
લાઇસન્સ
વિશે Whisper Large V3
Whisper Large V3 OpenAI નું ફ્લેગશિપ ઓપન-સોર્સ સ્પીકિંગ ઓળખ મોડેલ છે. 1.55 બિલિયન પરિમાણો સાથે, તે 99 ભાષાઓમાં અસાધારણ ચોકસાઈ પ્રદાન કરે છે. તે ટ્રાન્સફોર્મર એન્કોડર-ડિકોડર આર્કિટેક્ચર વાપરે છે જે 680,000 કલાકની બહુભાષી ઓડિયો માહિતી પર તાલીમ આપેલ છે.
મોડેલ જાણકારી
- પૂરૂં પાડનારOpenAI
- આર્કિટેક્ચર-
- લાઇસન્સMIT
- સુધારેલAug 2026
વારંવાર પૂછાતા પ્રશ્નો
Whisper Large V3 એ OpenAI દ્દારા બોલી-થી-લખાણ મોડેલ છે. STT.ai એ અમારા GPU ઇન્ફ્રાસ્ટ્રક્ચર પર Whisper Large V3 ને યજમાન બનાવે છે જેથી તમે તમારા પોતાના હાર્ડવેર પૂરુ પાડ્યા વિના તેને વાપરી શકો - ઓડિયો અથવા વિડિયો અપલોડ કરો અને મોડેલ પસંદ કરનારમાંથી Whisper Large V3 ને પસંદ કરો.
પ્રમાણભૂત બેન્ચમાર્ક પર, Whisper Large V3 એ 4.2% શબ્દ ભૂલ દરને આસપાસ મેળવે છે. વાસ્તવિક-વિશ્વની ચોકસાઈ ઓડિયો ગુણવત્તા, ઉચ્ચારણ અને ભાષા પર આધારિત છે; ધુમાડાવાળા અથવા ઉચ્ચારણવાળા રેકોર્ડિંગ માટે, થોડા ટકા પોઇન્ટ્સ ઊંચા WER ની અપેક્ષા રાખો.
Whisper Large V3 STT.ai ની મુક્ત સ્તર પર ચલાવે છે - દરેક મુલાકાતીને કોઈ ખર્ચ વગર શરૂ કરવા માટે 600 મિનિટ મળે છે. ચૂકવેલ યોજનાઓ ફાઇલ પ્રતિ લાંબી મર્યાદાઓ, ખાનગી ટ્રાન્સક્રિપ્ટ્સ, અને પ્રાથમિકતા કતાર ઉમેરવા માટે.
Whisper Large V3 MIT ની નીચે બહાર પાડવામાં આવે છે, એક પરવાનગી આપતી ઓપન-સોર્સ લાઇસન્સ. તમે તમારા પોતાના હાર્ડવેરમાં Whisper Large V3 ને સ્વયં-હોસ્ટ કરી શકો છો અથવા અમારી હોસ્ટ કરેલ આવૃત્તિનો ઉપયોગ કરી શકો છો - બંને વાણિજ્યિક રીતે ઉપયોગી છે.
Whisper Large V3 99 ભાષાઓને આધાર આપે છે. આપમેળે-શોધ એ મોટાભાગના ઓડિયો માટે સાચી ભાષા પસંદ કરે છે; તમે તેને નાની ચોકસાઈ માટે જાતે પણ સ્પષ્ટ કરી શકો છો.
Whisper Large V3 ઓડિયો પ્રક્રિયાઓ અમારા GPUs પર 15.9x વાસ્તવિક સમય પર. 1-કલાકની ઓડિયો ફાઈલ 3 મિનિટમાં સમાપ્ત થાય છે; લાંબી ફાઈલો કતારમાં અને જ્યારે પૂર્ણ થાય ત્યારે ઈમેઈલ દ્વારા સૂચિત કરે છે.
Whisper Large V3 પાસે 1.55B પરિમાણો છે. મોટા મોડેલો વધુ ચોક્કસ હોય છે પરંતુ ધીમા; STT.ai GPU પર Whisper Large V3 યજમાન છે તેથી પરિમાણ ગણતરી તમારી ક્લાયન્ટ-સાઇડ કાર્યક્ષમતા અસર કરતી નથી.
Whisper Large V3 દરેક બંધારણને સ્વીકારે છે કે જે STT.ai આધાર આપે છે — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, અને અન્ય. આઉટપુટ TXT, SRT, VTT, DOCX, JSON, અથવા PDF તરીકે.
હા. સ્પીકર ડેટાબેઝ દરેક અનુવાદ માટે Whisper Large V3 ની સાથે ચાલે છે - દરેક સ્પીકર ને લેબલ કરેલ છે અને તમે પછી સંપાદકમાં તેનું નામ બદલી શકો છો.
હા. Whisper Large V3 અમારા સંચાલિત વાતાવરણમાં ચાલે છે - ઓડિયો મૂળભૂત રીતે પ્રક્રિયા કરેલ છે અને કાઢી નાખવામાં આવે છે અને સ્પષ્ટ રીતે પસંદગી કર્યા વિના તાલીમ માટે ક્યારેય વપરાય નહિં. પ્રો યોજનાઓ અસ્થિર ટ્રાન્સક્રિપ્ટ્સ માટે ક્લાયન્ટ-સાઇડ એનક્રિપ્શન ઉમેરે છે.
Whisper Large V3 ને કોઈપણ અન્ય આધારભૂત મોડેલ સામે એ જ ઓડિયો પર ચલાવવા માટે સરખામણી-stt સાધનનો ઉપયોગ કરો - તમે WER, સેગમેન્ટ ગણતરી, સ્પીકર લેબલ્સ, અને વિશ્વાસ સ્કોર બાજુ-બે-બાજુ જોશો. Whisper Large V3 વિ Whisper Large V3 સરખામણી સૌથી સામાન્ય રીતે ચલાવે છે.
હા. /v1/transcribe અંતિમબિંદુ પર મોડેલ પરિમાણ તરીકે "whisper-large-v3" ને સ્પષ્ટ કરો. Python અને Node.js SDKs Whisper Large V3 ઉદાહરણો સમાવે છે. મુક્ત API સ્તરમાં 100 મિનિટ/મહિના સમાવે છે.
હા. કારણ કે Whisper Large V3 એ MIT-લાઇસન્સ થયેલ છે, તમે તેને સ્વયં-હોસ્ટ કરી શકો છો. STT.ai નું ઓપન-સોર્સ પાનું પ્રોજેક્ટ રેપો અને વજનોની યાદી કરે છે. મોટાભાગના ઉત્પાદન ટીમો GPU ખરીદી, મોડેલ સ્વેપ અને ઓપસને છોડવા માટે અમારી યજમાન આવૃત્તિ વાપરે છે.