Whisper Large V3
STT.ai ແລ່ນແບບນີ້ໃນລະດັບທີ່ຈ່າຍ. ມັນແມ່ນແບບຫຼັງ STT.ai ເພີ່ມ. ການແປຟຣີໃຊ້ Whisper ໃຫຍ່ v3 Turbo, ເຊິ່ງແມ່ນໄວກວ່າ.
ເບິ່ງແຜນ →
·
ແປຟຣີກັບ Whisper Turbo →
4.2%
WER
99
ພາສາ
15.9x
ໄວ
MIT
ໃບອະນຸຍາດ
ກ່ຽວກັບ Whisper Large V3
Whisper Large V3 ແມ່ນແບບຈໍາລອງການຮັບຮູ້ການເວົ້າ OpenAI ທີ່ມີແຫຼ່ງເປີດ. ດ້ວຍ 1.55 ຕື້ປາຣາມເຕີ, ມັນສະ ເໜີ ຄວາມຖືກຕ້ອງທີ່ໂດດເດັ່ນໃນພາສາ 99. ມັນໃຊ້ໂຄງສ້າງໂຄງສ້າງຂອງເຄື່ອງບັນທຶກ-ດັດແກ້ທີ່ຝຶກອົບຮົມໃນ 680,000 ຊົ່ວໂມງຂອງຂໍ້ມູນສຽງຫຼາຍພາສາ.
ព័ត៌មានແບບ
- ຕົວສະໜອງOpenAI
- ສະຖາປັດຕະຍະກໍາ-
- ໃບອະນຸຍາດMIT
- ປັບປຸງAug 2026
ຄໍາຖາມທີ່ຖາມເລື້ອຍໆ
Whisper Large V3 ແມ່ນແບບຟອມການເວົ້າເຖິງຂໍ້ຄວາມໂດຍ OpenAI. STT.ai ແລ່ນມັນຢູ່ໃນ GPU ຂອງພວກເຮົາເອງ ສຳ ລັບບັນຊີໃນແຜນທີ່ຈ່າຍ, ແລະມັນແມ່ນແບບຫລັງຈາກ STT.ai Enhanced tier. ການແປພາສາຟຣີໃຊ້ Whisper Large v3 Turbo, ຈຸດກວດສອບທີ່ໄວກວ່າຂອງຄອບຄົວດຽວກັນ.
ສໍາລັບຄໍາຮ້ອງສະຫມັກທີ່ຕ້ອງການຄວາມຖືກຕ້ອງສູງ, Whisper Large V3 ມີຄວາມຖືກຕ້ອງສູງກວ່າ WER ເຖິງ 100%. ສໍາລັບຄໍາຮ້ອງສະຫມັກທີ່ຕ້ອງການຄວາມຖືກຕ້ອງສູງກວ່າ WER, Whisper Large V3 ມີຄວາມຖືກຕ້ອງສູງກວ່າ WER ເຖິງ 100%.
Whisper Large V3 ແລ່ນໃນ STT.ai's ລະດັບຟຣີ - ຜູ້ເຂົ້າຊົມທຸກຄົນໄດ້ຮັບ 600 ນາທີເພື່ອເລີ່ມຕົ້ນໂດຍບໍ່ເສຍຄ່າ. ແຜນທີ່ຈ່າຍເພີ່ມການຈໍາກັດຕໍ່ໄຟລ໌, ບົດບັນທຶກສ່ວນຕົວແລະການຈັດລຽງລໍາດັບຄວາມສໍາຄັນ.
Whisper Large V3 ແມ່ນຖືກປ່ອຍອອກມາພາຍໃຕ້ MIT, ໃບອະນຸຍາດ Open Source ທີ່ອະນຸຍາດ. ທ່ານສາມາດເປັນເຈົ້າພາບ Whisper Large V3 ເອງໃນຮາດແວຂອງທ່ານເອງຫຼືໃຊ້ເວີຊັນທີ່ເປັນເຈົ້າພາບຂອງພວກເຮົາ - ທັງສອງແມ່ນສາມາດໃຊ້ໄດ້ໃນທາງການຄ້າ.
Whisper Large V3 ສະໜັບສະໜູນ 99 ພາສາ. ການກວດພົບອັດຕະໂນມັດ ເລືອກພາສາທີ່ຖືກຕ້ອງສຳລັບສຽງສ່ວນຫຼາຍ; ທ່ານຍັງສາມາດກຳນົດມັນດ້ວຍມືເພື່ອເພີ່ມຄວາມຖືກຕ້ອງໄດ້ເລັກນ້ອຍ.
Whisper Large V3 ដំណើរការສຽງທີ່ປະມານ 15.9x ເວລາຈິງໃນ GPUs ຂອງພວກເຮົາ. ໄຟລ໌ສຽງ 1 ຊົ່ວໂມງ ສໍາເລັດໃນ 3 ນາທີ; ໄຟລ໌ທີ່ຍາວກວ່າລໍຖ້າແລະແຈ້ງເຕືອນໂດຍອີເມວເມື່ອເຮັດແລ້ວ.
Whisper Large V3 ມີປາຣາມເຕີ 1.55B. ແບບທີ່ໃຫຍ່ກວ່າມີແນວໂນ້ມທີ່ຈະຖືກຕ້ອງກວ່າ ແຕ່ຊ້າກວ່າ; STT.ai ເປັນເຈົ້າພາບ Whisper Large V3 ເທິງ GPU ສະນັ້ນການຄິດໄລ່ປາຣາມເຕີບໍ່ສົ່ງຜົນກະທົບຕໍ່ຜົນງານດ້ານຄລາສສິກຂອງທ່ານ.
Whisper Large V3 ຮັບຮອງເອົາທຸກຮູບແບບ STT.ai ສະຫນັບສະຫນູນ - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, ແລະອື່ນໆ. ຜົນຜະລິດເປັນ TXT, SRT, VTT, DOCX, JSON, ຫຼື PDF.
ຍິນດີ. ການຂຽນລາຍຊື່ຜູ້ເວົ້າຈະແລ່ນພ້ອມກັບ Whisper Large V3 ສຳ ລັບທຸກໆການແປ - ຜູ້ເວົ້າແຕ່ລະຄົນມີស្លាກແລະທ່ານສາມາດປ່ຽນຊື່ພວກເຂົາໃນຕົວແກ້ໄຂຫຼັງຈາກນັ້ນ.
Whisper Large V3 ແລ່ນໃນສະພາບແວດລ້ອມທີ່ໄດ້ຮັບການບໍລິຫານຂອງພວກເຮົາ - ສຽງແມ່ນຖືກປຸງແຕ່ງແລະລຶບໂດຍ default ແລະບໍ່ເຄີຍໃຊ້ສໍາລັບການຝຶກອົບຮົມໂດຍບໍ່ມີການ opt-in ຢ່າງຈະແຈ້ງ. ແຜນງານ Pro ເພີ່ມການເຂົ້າລະຫັດດ້ານລູກຄ້າສໍາລັບ transcripts ທີ່ພັກອາໄສ.
ໃຊ້ເຄື່ອງມືປຽບທຽບ-stt ເພື່ອແລ່ນ Whisper Large V3 ຕ້ານກັບແບບອື່ນໆທີ່ໄດ້ຮັບການສະຫນັບສະຫນູນໃນສຽງດຽວກັນ - ທ່ານຈະເຫັນ WER, ຈໍານວນສ່ວນ, ຫມາຍເລກຜູ້ເວົ້າ, ແລະຄະແນນຄວາມໄວ້ວາງໃຈຂ້າງ-ໂດຍ-ຂ້າງ. Whisper Large V3 versus Whisper Large V3 ການທຽບທຽບແມ່ນປົກກະຕິທີ່ສຸດແລ່ນ.
ຍອມຮັບ, ສຳລັບແຜນທີ່ຈ່າຍ. ລະບຸ "whisper-large-v3" ເປັນຕົວກໍານົດແບບໃນ /v1/transcribe endpoint. ປຸ່ມທີ່ບໍ່ມີແຜນທີ່ສະໝັກໃຊ້ແມ່ນຖືກສະໜອງໃຫ້ໂດຍ Whisper Large v3 Turbo ແທນ. ຄໍາຮ້ອງຂໍຍັງປະສົບຜົນສໍາເລັດ; ມັນພຽງແຕ່ແລ່ນແບບຟອມຟຣີ.
ຍິນດີ. ຍ້ອນວ່າ Whisper Large V3 ແມ່ນ MIT- ໃບອະນຸຍາດ, ທ່ານສາມາດເປັນເຈົ້າພາບມັນໄດ້. STT.ai ເປີດແຫຼ່ງຫນ້າຂອງລາຍຊື່ໂຄງການ repo ແລະນ້ໍາຫນັກ. ທີມງານການຜະລິດສ່ວນໃຫຍ່ໃຊ້ເວີຊັນທີ່ເປັນເຈົ້າພາບຂອງພວກເຮົາເພື່ອຂ້າມການຊື້ GPU, ແບບຟອມ swaps, ແລະ ops.