Whisper Large V3
STT.ai-ը աշխատեցնում է այս մոդելը վճարովի մակարդակով։ Դա STT.ai Enhanced-ի հետևում գտնվող մոդելն է։ Ազատ թարգմանությունը օգտագործում է Whisper Large v3 Turbo-ն, որը ավելի արագ է։
Ցուցադրել պլանները →
·
Անվճար թարգմանություն Whisper Turbo-ով →
4.2%
WER
99
Լեզուներ
15.9x
արագություն
MIT
Լիցենզիա
Ընդհանուր Whisper Large V3
Whisper Large V3-ը OpenAI-ի բաց կոդով խոսակցության ճանաչման մոդելն է։ 1.55 միլիարդ պարամետրերով այն առաջարկում է բացառիկ ճշգրտություն 99 լեզուների համար։ Այն օգտագործում է տրանսֆորմատոր կոդավորող-դեկորդող ճարտարապետություն, որը սովորեցվել է 680,000 ժամ բազմլեզու ձայնային տվյալների վրա։
ՑուցադրումName Whisper Large V3
Տեղեկություն մոդելի մասին
- ԾառայողOpenAI
- Արխիվ-
- ԼիցենզիաMIT
- ՎերանորոգելAug 2026
Հաճախակի տրվող հարցեր
Whisper Large V3-ը OpenAI-ի խոսքից տեքստ վերածելու մոդելն է։ STT.ai-ը աշխատում է մեր սեփական GPU-ի վրա վճարովի պլանի հաշիվների համար, և այն STT.ai Enhanced-ի մոդելի հետևում է։ Ազատ թարգմանությունը օգտագործում է Whisper Large v3 Turbo-ն, նույն ընտանիքի ավելի արագ checkpoint-ը։
Ստանդարտական չափանիշների վրա Whisper Large V3-ը հասնում է մոտ 4.2% Word Error Rate-ի։ Ռեալ աշխարհում ճշգրտությունը կախված է ձայնի որակից, ակցենտից և լեզվից։ Խոսքային կամ ակցենտով գրանցումների դեպքում սպասեք մի քանի տոկոսային կետ ավելի բարձր WER-ի։
Whisper Large V3-ը աշխատում է STT.ai-ի անվճար մակարդակով՝ յուրաքանչյուր այցելու ստանում է 600 րոպե սկզբնական անվճար օգտագործման համար։ Պետք է վճարել յուրաքանչյուր ֆայլի համար ավելացված երկար արգելքների, մասնավոր տեքստների և առաջնահերթության հերթի համար։
Whisper Large V3-ը թողարկվել է MIT թույլատրելի բաց կոդով լիցենզիայով։ Դուք կարող եք Whisper Large V3-ը տեղադրել ձեր սեփական սարքավորումների վրա կամ օգտագործել մեր տեղադրված տարբերակը՝ երկուսն էլ առևտրային նպատակներով օգտագործելի են։
Whisper Large V3-ը աջակցում է 99 լեզուներին։ Ավտոմատ հայտնաբերումը ընտրում է ճիշտ լեզուն ձայնային տվյալների մեծամասնության համար։ Դուք կարող եք նաև ձեռքով նշել այն՝ ճշգրտության փոքրիկ բարձրացման համար։
Whisper Large V3-ը ձայնը 15.9x արագությամբ է պրոցեսավորում մեր GPU-ների վրա։ 1 ժամ տևողությամբ ձայնային ֆայլը ավարտվել է 3 րոպեում։ Ավելի երկար ֆայլերը թողնվում են հերթի մեջ և ավարտվելուց հետո տեղեկացնում են էլեկտրոնային փոստով։
Whisper Large V3-ը ունի 1.55B պարամետրեր։ Մեծ մոդելները ավելի ճշգրիտ են, բայց դանդաղ են։ STT.ai-ը Whisper Large V3-ը պահում է GPU-ում, այնպես որ պարամետրերի քանակը չի ազդում ձեր կրեատիվ արագության վրա։
Whisper Large V3-ը ընդունում է STT.ai-ի աջակցած բոլոր ֆորմատները՝ MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI և այլն։ Էքստրյուդը TXT, SRT, VTT, DOCX, JSON կամ PDF է։
Այո, յուրաքանչյուր փոխառության համար Whisper Large V3-ի հետ միասին աշխատում է ձայնագրիչի օրացույցը, յուրաքանչյուր ձայնագրիչ ունի պիտակ, և դուք կարող եք վերանվանել դրանք խմբագրիչում հետո։
Այո։ Whisper Large V3-ը աշխատում է մեր կառավարվող միջավայրում — լսվող ձայնը վերամշակվում և ոչնչացվում է լռելյայն և երբեք չի օգտագործվում ուսուցման համար առանց ակնհայտ համաձայնության։ Pro պլանները ավելացնում են հաճախորդի կողմից գաղտնագրում հանգիստ վիճակում գտնվող ձայնագրությունների համար։
Whisper Large V3-ը նույն ձայնային համակարգի վրա ցանկացած այլ աջակցվող մոդելի հետ համեմատելու համար օգտագործեք compare-stt գործիքը, որի միջոցով դուք կտեսնեք WER, սեկցիաների քանակը, ձայնագրիչների պիտակներն ու վստահության գնահատականները միմյանց կողքին։ Whisper Large V3-ի և Whisper Large V3-ի համեմատությունը ամենատարածվածն է։
Այո, վճարովի պլանի դեպքում: /v1/transcribe վերջնական կետում մոդելի պարամետրի համար նշեք "whisper-large-v3": Ակտիվ պլան չունեցող կոճակները փոխարենը՝ ծառայվում են Whisper Large v3 Turbo-ով: Պահանջը դեռևս հաջող է, այն պարզապես գործում է անվճար մոդելի վրա:
Այո։ Քանի որ Whisper Large V3-ը MIT-ի լիցենզիայով է, դուք կարող եք ինքնուրույն ապահովել այն։ STT.ai-ի բաց կոդով էջում ներկայացված է նախագծի ռեպո և քաշը։ Ամենից շատ արտադրական թիմեր օգտագործում են մեր ապահովված տարբերակը՝ GPU-ի ձեռքբերումը, մոդելի փոխանակումը և պրոցեսը բաց թողնելու համար։