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.
പദ്ധതികള് കാണുക →
·
വിസ്പർ ടര്ബോയുമായി സ്വതന്ത്രമായി →
4.2%
WER
99
ഭാഷകള്
15.9x
വേഗത
MIT
അനുമതി
സംബന്ധിച്ച് Whisper Large V3
വിസ്പര് വി3 ഓപ്പണ് എഐയുടെ പതാക പ്രൊജക്ട് പ്രൊഫഷണല് ആണ്. 1.55 ബില്ല്യണ് 99 ഭാഷകള് കൊണ്ട് അത് വളരെ കൃത്യത നല്കുന്നു. അത് 99 ഭാഷകള്ക്കിടയില് ഒരു രൂപമാറ്റ-കാല നിര്മ്മാണ നിര്മ്മാതാവിനെ ഉപയോഗിക്കുന്നു.
മോഡല് വിവരംName
- ദാതാവ്OpenAI
- ഭൂമദ്ധ്യരേഖ/ അഗ്രകോടി ഉയര്ത്തല് [ENTER]-
- അനുമതിMIT
- പരിഷ്കരിച്ചിരിക്കുന്നുAug 2026
പതിവുചോദിക്കുന്ന ചോദ്യങ്ങള്
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.
സ്റ്റാന്ഡേര്ഡ് ബെഞ്ച് മാര്ക്കില്, Whisper Large V3 വര്ക്ക് 4.2% വാല്യത്തിന്റെ പിശകുകള് ഉണ്ടാകുന്നു. യഥാര്ത്ഥ-ലോക കൃത്യത ഓഡിയോ ഗുണഗണത്തെയും ഭാഷയെയും ആശ്രയിച്ചിരിക്കുന്നു. ശബ്ദമോ ഉദ്ധരിച്ചോ റെക്കോര്ഡ് ചെയ്തോ ചില ശതമാനം പോയിന്റുകള് പ്രതീക്ഷിക്കുന്നു.
Whisper Large V3 STT.ai-ന്റെ സ്വതന്ത്ര ടൈലറില് പ്രവര്ത്തിക്കും. ഓരോ സന്ദർശകരും വിലയ്ക്ക് വേണ്ടി 600 മിനിറ്റ് വില നല്കേണ്ടി വരും. ഓരോ ഫയല് പരിധികളും സ്വകാര്യ റെക്കോര്ഡുകളും മുന്ഗണനാ നിരകളും കൂടി ചേര്ക്കുക.
MIT ല് നിന്നും Whisper Large V3 റിസള്ട്ട് ചെയ്യുന്നു. നിങ്ങള്ക്ക് സ്വന്തം ഹാര്ഡ്വെയര് Whisper Large V3 ഉപയോഗിക്കാം അല്ലെങ്കില് നമ്മുടെ ഹോര്ഡ്വെയര് പതിപ്പ് ഉപയോഗിക്കാം. രണ്ടും വാണിജ്യപരമായി ഉപയോഗിക്കാം.
99 ഭാഷകള് പിന്തുണയ്ക്കുന്നു Whisper Large V3. മിക്ക ശബ്ദങ്ങള്ക്കും ശരിയായ ഭാഷ തെരഞ്ഞെടുക്കുന്നു; നിങ്ങള്ക്കു് ഒരു ചെറിയ സാങ്കേതിക സ്ക്രീനില് സ്വയമായി വ്യക്തമാക്കാം.
Whisper Large V3 processes audio at about 15.9x real-time on our GPUs. A 1-hour audio file finishes in under 3 minutes; longer files queue and notify by email when done.
Whisper Large V3-നു് 1.55B പരാമീറ്ററുകള് ഉണ്ട്. വലിയ മോഡലുകള് കൂടുതല് കൃത്യതയുള്ളതായിരിക്കും, പക്ഷെ വേഗത കുറവാണു്; STT.ai ഹോസ്റ്റുകള് GPU യിലെ 8Whisper Large V3 ആയതിനാല് പരാമീറ്റര് എണ്ണം നിങ്ങളുടെ ക്ലയന്റിന്റെ വശത്തെ പ്രകടനത്തെ ബാധിക്കുന്നില്ല.
Whisper Large V3 എല്ലാ രീതിയിലും STT.ai പിന്തുണ സ്വീകരിക്കുന്നു — MP3, WAV, MAG, OGG, OGG4, MMCV, MOV, MOV, വെബ്എം, എവിഐ, മറ്റ്വ. ടിഎക്സ്, SXT, DOT, DCX, VX, JSON അല്ലെങ്കില് അല്ലെങ്കില്.
ഓരോ പ്രഭാഷകനും Whisper Large V3 - ത്തോളം പ്രഭാഷണം നടത്തുന്നു.
യെസ്. Whisper Large V3 നമ്മുടെ പരിസ്ഥിതിയില് പ്രവര്ത്തിക്കുന്നുണ്ട്. ഓഡിയോ പ്രവര്ത്തനത്തില് സഹജമായി വെട്ടിമാറ്റി നീക്കം ചെയ്യുന്നു. വ്യക്തമായും പരിശീലനം ലഭിക്കാന് ഉപയോഗിക്കാറില്ല. പ്രോപ്ലേ പ്രോജക്റ്റുകള് ക്ളൈന്റെ ഇടതുഭാഗത്തുള്ള എന്ക്രിപ്റ്റിന്റെ രഹസ്യഭാഷ കൂട്ടിച്ചേര്ക്കുക.
Use the compare-stt tool to run Whisper Large V3 against any other supported model on the same audio — you'll see WER, segment count, speaker labels, and confidence scores side-by-side. The Whisper Large V3 vs Whisper Large V3 comparison is the most commonly run.
Yes, on a paid plan. Specify "whisper-large-v3" as the model parameter on the /v1/transcribe endpoint. Keys without an active plan are served Whisper Large v3 Turbo instead. The request still succeeds; it just runs the free model.
Whisper Large V3 8801 MIT ലക്ചറന്റ് ആയതിനാല് നിങ്ങള്ക്കത് സ്വയം ഹോസ്റ്റര് ചെയ്യാം. STT.ai തുറക്കുന്ന താള് പ്രോജക്റ്റും തൂക്കവും പട്ടികപ്പെടുത്തുന്നു. മിക്ക ഉല്പാദനങ്ങളും GPUFFS, മോഡല് സ്യൂട്ടും, ops എന്നിവ ഒഴിവാക്കാന് നമ്മുടെ ഹോസ്റ്റര് ഫോര്ട്ടര് പതിപ്പ് ഉപയോഗിക്കുന്നു.