Atzīmēt ar Whisper Large V3
4.2%
WER
99
Valodas
8.0x
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
- AtjaunotsMar 2026
Bieži uzdoti jautājumi
Whisper Large V3 ir runas-teksta modelis līdz OpenAI. STT.ai uzstādā Whisper Large V3 mūsu GPU infrastruktūrā, lai jūs varētu to izmantot, nenodrošinot savu aparatūru — augšupielādēt audio vai video un izvēlēties Whisper Large V3 no modeļa izvēlētājs.
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 8.0x reāllaikā mūsu GPU. 1 stundu audio fails beidzas zem 7 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 līdzās 88 000 par katru transkripciju — katrs runātājs ir marķēts un jūs varat pārdēvēt tos redaktorā pēc tam.
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. Norādīt "whisper-large-v3" kā modeļa parametru /v1/tractor galapunktā. Python un Node.js SDK ietver Whisper Large V3 piemērus. Bezmaksas API līmenis ietver 100 minūtes/mēnesi.
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.