Whisper Large V3
STT.ai darbojas šo modeli apmaksātā līmenī. Tas ir modelis aiz STT.ai Uzlabots. Bezmaksas transkripcija izmanto Whisper Liels v3 Turbo, kas ir ātrāk.
Skatīt plānus →
·
Atšifrēt bez Whisper Turbo →
4.2%
WER
99
Valodas
15.9x
Ātrums
MIT
Licence
Par Whisper Large V3
Whisper Liels V3 ir OpenAI flagmany open-source runas atzīšanas modelis. Ar 1,55 miljardiem parametru tas piedāvā ārkārtēju precizitāti 99 valodās. Tā izmanto transformatora kodētājs-dekodera arhitektūru apmācīti par 680,000 stundas daudzvalodu audio datu.
Modelis Info
- PiegādātājsOpenAI
- Arhitektūra-
- LicenceMIT
- AtjaunotsAug 2026
Bieži uzdoti jautājumi
Whisper Large V3 ir runas uz tekstu modelis ar OpenAI. STT.ai vada to uz mūsu pašu GPU kontus par apmaksātu plānu, un tas ir modelis par STT.ai Pastiprināta pakāpe. Bezmaksas transkripcija izmanto Whisper Liels v3 Turbo, ātrāks kontrolpunkts tajā pašā ģimenē.
Par standarta etaloniem 8801% sasniedz aptuveni 8801% vārdu kļūdu rādītājs. Reālā pasaules precizitāte ir atkarīga no audio kvalitātes, akcenta un valodas; trokšņainiem vai izceltiem ierakstiem, sagaida dažus procentu punktus augstāka WER.
Whisper Large V3 notiek uz STT.ai bezmaksas līmeni – katrs apmeklētājs saņem 600 minūtes, lai sāktu bez maksas. Maksājamie plāni pievienot ilgākus vienas datnes limitus, privātus transkriptus, un prioritātes rindas.
Whisper Large V3 tiek izlaists zem MIT, atļautā atvērtā pirmkoda licence. Jūs varat paša-host Whisper Large V3 uz savu aparatūru vai izmantot mūsu hostinga versiju — abi ir komerciāli izmantojami.
Whisper Large V3 atbalsta 99 valodas. Auto-noteikšana izvēlas pareizo valodu lielākajai daļai audio; jūs varat arī norādīt to manuāli, lai mazs precizitātes pacēlājs.
Whisper Large V3 apstrādā audio apmēram 15.9x reāllaikā mūsu GPU. 1 stundu audio fails beidzas zem 3 minūtēm; ilgāka failu rinda un paziņo pa e-pastu, kad izdarīts.
Whisper Large V3 ir 1.55B parametri. Lielāki modeļi mēdz būt precīzāki, bet lēnāki; STT.ai saimnieki Whisper Large V3 par GPU, tāpēc parametru skaits neietekmē jūsu klientu veiktspēju.
Whisper Large V3 pieņem katru formātu STT.ai atbalsta - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI un citi. Izlaide kā TXT, SRT, VTT, DOCX, JSON, vai PDF.
Jā. Skaļruņa diarizācija notiek kopā ar Whisper Large V3 katram transkripcijam — katrs runātājs ir marķēts un pēc tam to var pārdēvēt redaktorā.
Jā. Whisper Large V3 darbojas mūsu pārvaldītajā vidē — audio tiek apstrādāts un dzēsts pēc noklusējuma un nekad netiek izmantots apmācībai bez skaidra opt-in. Pro plāni pievienot klienta pusē šifrēšanu transkriptiem miera stāvoklī.
Izmantojiet salīdzināšanas-stt rīku, lai palaistu Whisper Large V3 pret jebkuru citu atbalstīto modeli tajā pašā audio — jūs redzēsiet WER, segmentu skaitu, skaļruņu etiķetes un uzticamības punktus blakus-by-by. Whisper Large V3 vs Whisper Lielo V3 salīdzinājums ir visbiežāk palaist.
Jā, maksas plānā. Norādīt "whisper-large-v3" kā /v1/ translator parametra modeli. Atslēgas bez aktīva plāna tiek pasniegtas Whisper Liela v3 Turbo. Pieprasījums joprojām ir veiksmīgs; tas vienkārši darbojas bezmaksas modeli.
Jā. Tā kā Whisper Large V3 ir licences MIT, jūs varat paši-host to. STT.ai atvērtā pirmkoda lapā uzskaitīti projekta repo un svaru. Lielākā daļa ražošanas komandas izmanto mūsu hostinga versiju, lai izlaistu GPU iepirkumu, modeļu mijmaiņas darījumi, un opcijas.