Atsekti Whisper Large V3
4.2%
WER
99
Kalbos
8.0x
Greitis
MIT
Licencija
Apie Whisper Large V3
Whisper didelis V3 yra atvirojo kodo kalbos atpažinimo modelis. Su 1,55 milijardo parametrų, jis suteikia išskirtinį tikslumą 99 kalbomis. Jis naudoja transformatoriaus koder-dekoder architektūra apmokytas 680,000 valandų daugiakalbių garso duomenų.
Pavyzdinės informacijos
- TeikėjasOpenAI
- Architektūra-
- LicencijaMIT
- AtnaujintaMar 2026
Dažnai užduodami klausimai
Whisper Large V3 yra kalbos-teksto modelis iki OpenAI. STT.ai savo GPU infrastruktūroje sumontuoti Whisper Large V3, todėl jį galite naudoti neįrengdami savo techninės įrangos – įkelkite garso ar vaizdo ir pasirinkite Whisper Large V3 iš modelio parinkiklis.
Dėl standartinių lyginamųjų standartų, Whisper Large V3 pasiekia apie 8801% Word error Rate. Realaus pasaulio tikslumas priklauso nuo garso kokybės, akcentas, ir kalba; Triukšmingų ar akcentuotų įrašų, tikėtis keletą procentinių punktų didesnis WER.
Whisper Large V3 veikia STT.ai laisvų pakopų – kiekvienas lankytojas gauna 600 minučių pradėti be jokios kainos. Mokami planai pridėti daugiau per failą ribų, privačių stenogramų, ir prioritetinių eilė.
Whisper Large V3 yra išleistas pagal MIT, leistina atviro kodo licencija. Galite savarankiškai-host Whisper Large V3 ant savo aparatūros arba naudoti mūsų palaikomą versiją - abu yra komerciškai naudoti.
Whisper Large V3 palaiko 99 kalbas. Automatinis aptikimas pasirenka reikiamą kalbą daugumai garso; taip pat galite nurodyti ją rankiniu būdu nedideliam tikslumui pakelti.
Whisper Large V3 apdoroja garsą maždaug 8.0x realiu laiku mūsų GPU. 1 valandos garso failas baigiasi po 7 minučių; ilgesnis failų eilė ir apie tai praneš el. paštu, kai tai bus padaryta.
Whisper Large V3 turi 1.55B parametrus. Didesni modeliai yra tikslesni, bet lėčiau; STT.ai GPU mazgai Whisper Large V3, todėl parametrų skaičius neturi įtakos Jūsų klientų veiklos rezultatams.
Whisper Large V3 priima kiekvieną formatą STT.ai palaiko: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI ir kt. Išvesti kaip TXT, SRT, VTT, DOCX, JSON, arba PDF.
Taip. Garsiakalbio diarizacija veikia šalia Whisper Large V3 kiekvienam transkripcija – kiekvienas garsiakalbis yra pažymėtas ir galite pervadinti juos redaktoriuje po to.
Taip. Whisper Large V3 veikia mūsų valdomoje aplinkoje — garso yra apdorojamas ir ištrinamas pagal nutylėjimą ir niekada naudojamas mokymui be aiškaus opt-in. Pro planai pridėti kliento pusėje šifravimo stenogramos poilsio.
Naudokite palyginimo-stt įrankis paleisti Whisper Large V3 prieš bet kurį kitą palaikomą modelį tame pačiame garso — pamatysite WER, segmentų skaičių, garsiakalbių etiketes ir pasitikėjimo balus šalia-by-by. Whisper Large V3 palyginti Whisper didelis V3 yra dažniausiai paleisti.
Taip. Nurodykite "whisper-large-v3" kaip modelio parametrą /v1/tractor parametrą. Python ir Node.js SDK yra Whisper Large V3 pavyzdžiai. Nemokama API pakopa apima 100 minučių/mėnesį.
Taip. Kadangi Whisper Large V3 yra MIT-licencijuotas, galite patys-host jį. STT.ai atviro kodo puslapis išvardija projekto atpirkimo ir svorius. Dauguma gamybos komandos naudoja mūsų įdiegtą versiją praleisti GPU pirkimų, modelių apsikeitimo, ir ops.