यससँग प्रतिलिपि गर्नुहोस् Whisper Large V3
4.2%
WER
99
भाषा
8.0x
गति
MIT
इजाजतपत्र
यसका बारेमा Whisper Large V3
Whisper Large V3 OpenAI को प्रमुख खुला स्रोत भाषण पहिचान मोडेल हो। 1.55 अरब मापदण्डहरूको साथ, यो 99 भाषाहरूमा असाधारण सटीकता प्रदान गर्दछ। यो बहुभाषी अडियो डाटाको 680,000 घण्टामा प्रशिक्षित एक ट्रान्सफर एनकोडर-डिकोडर वास्तुकला प्रयोग गर्दछ।
नमूना सूचना
- प्रदायकOpenAI
- वास्तुकला-
- इजाजतपत्रMIT
- अद्यावधिक गर्नुहोस्Mar 2026
प्राय सोधिने प्रश्नहरू
Whisper Large V3 OpenAI द्वारा एक भाषण-देखि-पाठ मोडेल हो। STT.ai हाम्रो GPU पूर्वाधारमा Whisper Large V3 होस्ट गर्दछ ताकि तपाईं आफ्नो हार्डवेयरको प्रावधान बिना यसलाई प्रयोग गर्न सक्नुहुन्छ - अडियो वा भिडियो अपलोड गर्नुहोस् र मोडेल चयनकर्ताबाट Whisper Large V3 चयन गर्नुहोस्।
मानक बेन्चमार्क मा, Whisper Large V3 वरिपरि 4.2% शब्द त्रुटि दर प्राप्त गर्दछ। वास्तविक-विश्व सटीकता अडियो गुणस्तर, उच्चारण, र भाषा निर्भर गर्दछ; हल्ला वा उच्चारण रेकर्ड लागि, केही प्रतिशत अंक उच्च WER अपेक्षा।
Whisper Large V3 STT.ai को नि: शुल्क तहमा चल्छ - हरेक आगन्तुकले 600 मिनेट बिना लागतमा सुरु गर्न पाउँछ। भुक्तानी योजनाहरूले प्रति-फाइल सीमाहरू, निजी लिखित र प्राथमिकता लामबद्ध थप्दछ।
Whisper Large V3 MIT, एक permissive खुला स्रोत लाइसेन्स अन्तर्गत जारी गरिएको छ। तपाईं आफ्नो हार्डवेयर मा स्व-होस्ट गर्न सक्नुहुन्छ Whisper Large V3 वा हाम्रो होस्ट गरिएको संस्करण प्रयोग गर्नुहोस् - दुवै व्यावसायिक रूपमा प्रयोग गर्न सकिन्छ।
Whisper Large V3 ले 99 भाषाहरू समर्थन गर्दछ । स्वचालित पत्ता लगाउनले धेरै अडियोका लागि सही भाषा चयन गर्दछ; तपाईँले सानो सटीकता लिफ्टका लागि यसलाई म्यानुअल रूपमा पनि निर्दिष्ट गर्न सक्नुहुन्छ ।
Whisper Large V3 हाम्रो GPUs मा 8.0x वास्तविक समयमा अडियो प्रक्रिया गर्दछ। एक 1-घण्टा अडियो फाइल 7 मिनेट अन्तर्गत समाप्त हुन्छ; लामो फाइलहरू लामबद्ध र इमेल द्वारा सूचना दिनुहोस् जब यो पूरा हुन्छ।
Whisper Large V3 मा 1.55B परिमितिहरू छन्। ठूला नमूनाहरू अधिक सटीक तर ढिलो हुन्छन्; STT.ai ले GPU मा Whisper Large V3 होस्ट गर्दछ त्यसैले परिमिति गणनाले तपाईँको क्लाइन्ट-साइड प्रदर्शनलाई असर गर्दैन।
Whisper Large V3 हरेक ढाँचा स्वीकार गर्दछ STT.ai समर्थन - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, र अन्य. TXT, SRT, VTT, DOCX, JSON, वा PDF रूपमा निर्गत।
हो. वक्ता diarization साथै चल्छ Whisper Large V3 हरेक प्रतिलिपि लागि — प्रत्येक वक्ता लेबल छ र तपाईं पछि सम्पादक तिनीहरूलाई पुन: नाम गर्न सक्नुहुन्छ.
हो। Whisper Large V3 हाम्रो प्रबन्धित वातावरणमा चल्छ - अडियो प्रक्रिया र पूर्वनिर्धारित द्वारा मेटिएको छ र स्पष्ट विकल्प बिना प्रशिक्षणको लागि कहिल्यै प्रयोग गरिएको छैन। प्रो योजनाहरू आराममा प्रतिलिपिहरूको लागि क्लाइन्ट-साइड एन्क्रिप्शन थप्दछ।
तुलना-STT उपकरण प्रयोग गर्न Whisper Large V3 उही अडियो मा कुनै पनि अन्य समर्थित मोडेल विरुद्ध चलाउन - तपाईं WER देख्नेछन्, खण्ड गणना, वक्ता लेबल, र आत्मविश्वास स्कोर साइड-by-साइड. को Whisper Large V3 विरुद्ध Whisper ठूलो V3 तुलना सबैभन्दा सामान्यतया चलाउन छ.
हो । /v1/transcribe अन्त बिन्दुमा मोडेल परिमितिको रूपमा "whisper-large-v3" निर्दिष्ट गर्नुहोस् । पाइथन र Node.js SDKs Whisper Large V3 उदाहरण समावेश गर्दछ । निःशुल्क API तहमा 100 मिनेट / महिना समावेश छ ।
हो। किनभने Whisper Large V3 MIT-लाइसेन्स गरिएको छ, तपाईं यसलाई स्व-होस्ट गर्न सक्नुहुन्छ। STT.ai को खुला स्रोत पृष्ठले परियोजना रिपो र वजन सूचीबद्ध गर्दछ। अधिकांश उत्पादन टोलीहरूले जीपीयू खरिद, मोडेल स्वीप र ओपीएस छोड्न हाम्रो होस्ट गरिएको संस्करण प्रयोग गर्दछ।