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.
図面を参照 →
·
自由に書き換えて →
4.2%
WER
99
言語
15.9x
スピード
MIT
ライセンス
情報 Whisper Large V3
Ｗｈｉｓｐｅｒ Ｌａｒｇｅ Ｖ３は，ＯｐｅｎＡＩのオープンソース音声認識モデルである。
モデル情報
- プロバイダOpenAI
- 建築-
- ライセンスMIT
- 更新Aug 2026
よくある質問
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.
標準ベンチマークでは、Whisper Large V3は約4.2%のワードエラー率を達成しています。実際の精度は音声品質、アクセント、言語に依存します。ノイズやアクセントのある録音の場合、数パーセント高いWERを期待してください。
Whisper Large V3はSTT.aiのフリー版で動作し、訪問者は600分間無料で利用できる。有料プランではファイルごとの制限時間が長くなり、プライベートトランスクリプト、優先順位キューが追加される。
Whisper Large V3は、オープンソースライセンスのMITでリリースされています。Whisper Large V3を自分のハードウェア上でセルフホストすることも、私たちのホストバージョンを使用することもできます。どちらも商用利用可能です。
Whisper Large V3 は 99 言語をサポートします。自動検出はほとんどのオーディオに適した言語を選択します。手動で指定することもできます。
Whisper Large V3はGPU上で音声を約15.9xのリアルタイムで処理します。1時間の音声ファイルは3分以下で終了します。長いファイルはキューに並び、完了したらメールで通知します。
Whisper Large V3 には 1.55B パラメータがあります。より大きなモデルはより正確ですが、遅い傾向にあります。STT.ai は GPU 上で Whisper Large V3 をホストしていますので、パラメータ数はクライアント側の性能に影響しません。
Whisper Large V3はSTT.aiがサポートするすべてのフォーマットを受け入れます。MP3、WAV、M4A、FLAC、OGG、MP4、MKV、MOV、WebM、AVIなど。出力はTXT、SRT、VTT、DOCX、JSON、PDFです。
はい。スピーカーダイアリゼーションはWhisper Large V3と共に実行されます。各スピーカーはラベル付きで、後でエディタで名前を変更できます。
はい。Whisper Large V3回の実行を管理環境で行います。オーディオはデフォルトで処理され削除され、明示的なオプションなしに訓練に使用されません。プロプランは静止中の転写に対してクライアント側暗号化を追加します。
Whisper Large V3と同じオーディオでサポートされている他のモデルを比較するには compare-stt ツールを使用してください。WER、セグメント数、スピーカーラベル、信頼度スコアが並んで表示されます。Whisper Large V3と Whisper Large V3 の比較が最もよく行われます。
有料プランでのみ有効です。 /v1/transcribe エンドポイントにモデルパラメータとして "whisper-large-v3" を指定してください。アクティブなプランがないキーは Whisper Large v3 Turbo で代わりに提供されます。要求は成功します。フリーモデルを実行します。
STT.aiのオープンソースページにはプロジェクトのリポと重みがリストされています。ほとんどのプロダクションチームは、GPUの調達、モデルのスワップ、オペレーションを省略するために、私たちのホストバージョンを使用しています。