Whisper Large V3
STT.ai ਇਹ ਮਾਡਲ ਭੁਗਤਾਨ ਟਾਇਰ ਉੱਤੇ ਚਲਾਉਂਦਾ ਹੈ । ਇਹ STT.ai Enhanced ਪਿੱਛੇ ਮਾਡਲ ਹੈ । ਮੁਫਤ ਟਰਾਂਸਲੇਸ਼ਨ Whisper Large v3 Turbo ਵਰਤਦਾ ਹੈ, ਜੋ ਕਿ ਤੇਜ਼ ਹੈ ।
ਯੋਜਨਾਵਾਂ ਵੇਖੋ →
·
Whisper Turbo ਨਾਲ ਮੁਫ਼ਤ ਟਰਾਂਸਕਰੀਪਟ →
4.2%
WER
99
ਭਾਸ਼ਾਵਾਂ
15.9x
ਗਤੀ
MIT
ਲਾਈਸੈਂਸ
ਬਾਰੇ Whisper Large V3
ਵਿਸਪਰ ਲਾਈਟ V3 ਓਪਨ- ਏਆਈ ਦਾ ਫਲੈਗਸ਼ਿਪ ਓਪਨ- ਸਰੋਤ ਬੋਲੀ ਪਛਾਣ ਮਾਡਲ ਹੈ । 1.55 ਬਿਲੀਅਨ ਪੈਰਾਮੀਟਰਾਂ ਨਾਲ, ਇਹ 99 ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਵਿਲੱਖਣ ਸਹੀਤਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ । ਇਹ ਇੱਕ ਟਰਾਨਸਫਾਰਮਰ ਇੰਕੋਡਰ- ਡੀਕੋਡਰ ਢਾਂਚਾ ਵਰਤਦਾ ਹੈ, ਜੋ ਕਿ 680,000 ਘੰਟਿਆਂ ਦੇ ਬਹੁ- ਭਾਸ਼ਾ ਆਡੀਓ ਡਾਟਾ ਉੱਤੇ ਟਰੇਨ ਕੀਤਾ ਗਿਆ ਹੈ ।
ਮਾਡਲ ਜਾਣਕਾਰੀ
- ਪਰੋਵਾਈਡਰOpenAI
- ਆਰਕੀਟੈਕਚਰ-
- ਲਾਈਸੈਂਸMIT
- ਅੱਪਡੇਟAug 2026
ਅਕਸਰ ਪੁੱਛੇ ਜਾਣ ਵਾਲੇ ਸਵਾਲ
Whisper Large V3 OpenAI ਵਲੋਂ ਇੱਕ ਬੋਲੀ-ਤੋਂ-ਪਾਠ ਮਾਡਲ ਹੈ । STT.ai ਇਸ ਨੂੰ ਸਾਡੇ ਆਪਣੇ GPU ਉੱਤੇ ਚਲਾਉਦਾ ਹੈ, ਇੱਕ ਭੁਗਤਾਨ ਪਲਾਨ ਉੱਤੇ ਅਕਾਊਂਟ ਲਈ, ਅਤੇ ਇਹ STT.ai Enhanced tier ਪਿੱਛੇ ਮਾਡਲ ਹੈ । ਮੁਫ਼ਤ ਟਰਾਂਸਲੇਸ਼ਨ Whisper Large v3 Turbo, ਇੱਕੋ ਪਰਿਵਾਰ ਦਾ ਤੇਜ਼ checkpoint ਵਰਤਦਾ ਹੈ ।
ਸਟੈਂਡਰਡ ਬੈਂਕਮਾਰਕਾਂ ਉੱਤੇ, Whisper Large V3 ਨੇ 4.2% ਸ਼ਬਦ ਗਲਤੀ ਦਰ ਪ੍ਰਾਪਤ ਕੀਤੀ ਹੈ। ਅਸਲੀ- ਦੁਨੀਆ ਦੀ ਸਹੀਤਾ ਆਡੀਓ ਕੁਆਲਟੀ, ਅੱਖਰਾਂ ਅਤੇ ਭਾਸ਼ਾ ਉੱਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ; ਗੂੰਜ ਜਾਂ ਅੱਖਰਾਂ ਨਾਲ ਰਿਕਾਰਡਿੰਗ ਲਈ, ਕੁਝ ਪ੍ਰਤੀਸ਼ਤ ਅੰਕਾਂ ਦੀ ਵੱਧ WER ਦੀ ਉਮੀਦ ਕਰੋ।
Whisper Large V3 STT.ai ਦੀ ਮੁਫਤ ਟਾਇਰ ਉੱਤੇ ਚੱਲਦਾ ਹੈ - ਹਰੇਕ ਝਲਕਾਰਾ ਨੂੰ ਮੁਫਤ ਸ਼ੁਰੂ ਕਰਨ ਲਈ 600 ਮਿੰਟ ਮਿਲਦੇ ਹਨ। ਭੁਗਤਾਨ ਕੀਤੇ ਪਲਾਨ ਲੰਬੇ ਪ੍ਰਤੀ ਫਾਇਲ ਸੀਮਾਵਾਂ, ਨਿੱਜੀ ਟਰਾਂਸਕਰੀਪਸ਼ਨ ਅਤੇ ਤਰਜੀਹ ਕਤਾਰਬੱਧਤਾ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ।
Whisper Large V3 ਨੂੰ MIT, ਇੱਕ ਖੋਲ੍ਹੇ ਸਰੋਤ ਲਾਈਸੈਂਸ ਅਧੀਨ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਹੈ । ਤੁਸੀਂ ਆਪਣੇ ਹਾਰਡਵੇਅਰ ਉੱਤੇ Whisper Large V3 ਨੂੰ ਆਪ ਹੀ ਹੋਸਟ ਕਰ ਸਕਦੇ ਹੋ ਜਾਂ ਸਾਡਾ ਹੋਸਟ ਵਰਜਨ ਵਰਤ ਸਕਦੇ ਹੋ — ਦੋਵੇਂ ਵਪਾਰਕ ਤੌਰ ਉੱਤੇ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ ।
Whisper Large V3 99 ਭਾਸ਼ਾਵਾਂ ਲਈ ਸਹਾਇਕ ਹੈ। ਆਟੋ-ਖੋਜ ਬਹੁਤੇ ਆਡੀਓ ਲਈ ਸਹੀ ਭਾਸ਼ਾ ਚੁਣਦੀ ਹੈ; ਤੁਸੀਂ ਇਸ ਨੂੰ ਛੋਟੀ ਸਹੀਤਾ ਲਈ ਦਸਤੀ ਵੀ ਦੇ ਸਕਦੇ ਹੋ।
Whisper Large V3 ਸਾਡੇ GPUs ਉੱਤੇ 15.9x ਰੀਅਲ-ਟਾਈਮ ਉੱਤੇ ਆਡੀਓ ਪਰੋਸੈਸ ਕਰਦਾ ਹੈ। 1 ਘੰਟੇ ਦੀ ਆਡੀਓ ਫਾਇਲ 3 ਮਿੰਟਾਂ ਵਿੱਚ ਖਤਮ ਹੁੰਦੀ ਹੈ; ਲੰਬੀਆਂ ਫਾਇਲਾਂ ਕਤਾਰ ਵਿੱਚ ਲੱਗੀਆਂ ਰਹਿੰਦੀਆਂ ਹਨ ਅਤੇ ਜਦੋਂ ਖਤਮ ਹੁੰਦੀਆਂ ਹਨ ਤਾਂ ਈ-ਮੇਲ ਰਾਹੀਂ ਸੂਚਿਤ ਹੁੰਦੀਆਂ ਹਨ।
Whisper Large V3 ਵਿੱਚ 1.55B ਪੈਰਾਮੀਟਰ ਹਨ। ਵੱਡੇ ਮਾਡਲ ਵਧੇਰੇ ਸਹੀ ਪਰ ਹੌਲੀ ਹੁੰਦੇ ਹਨ; STT.ai GPU ਉੱਤੇ Whisper Large V3 ਹੋਸਟ ਕਰਦਾ ਹੈ ਤਾਂ ਕਿ ਪੈਰਾਮੀਟਰ ਗਿਣਤੀ ਤੁਹਾਡੀ ਕਲਾਇਟ-ਸਾਈਡ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਕਰਦੀ ਹੈ।
Whisper Large V3 ਹਰ ਫਾਰਮੈਟ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ STT.ai ਸਹਿਯੋਗੀ ਹੈ - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, ਅਤੇ ਹੋਰ। ਆਉਟਪੁੱਟ TXT, SRT, VTT, DOCX, JSON, ਜਾਂ PDF ਦੇ ਰੂਪ ਵਿੱਚ ਹੈ।
ਹਾਂ । ਸਪੀਕਰ ਡਾਇਰੀਜ਼ੇਸ਼ਨ ਹਰੇਕ ਟਰਾਂਸਕਰੀਪਸ਼ਨ ਲਈ Whisper Large V3 ਦੇ ਨਾਲ ਚੱਲਦਾ ਹੈ — ਹਰੇਕ ਸਪੀਕਰ ਨੂੰ ਲੇਬਲ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਤੁਸੀਂ ਬਾਅਦ ਵਿੱਚ ਐਡੀਟਰ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦਾ ਨਾਂ ਬਦਲ ਸਕਦੇ ਹੋ ।
ਹਾਂ । Whisper Large V3 ਸਾਡੇ ਪਰਬੰਧਿਤ ਵਾਤਾਵਰਣ ਵਿੱਚ ਚੱਲਦਾ ਹੈ — ਆਡੀਓ ਡਿਫਾਲਟ ਤੌਰ ਤੇ ਪਰੋਸੈੱਸ ਅਤੇ ਹਟਾਏ ਜਾਂਦੇ ਹਨ ਅਤੇ ਬਿਨਾਂ ਸਪੱਸ਼ਟ ਚੋਣ-ਇਨ ਦੇ ਟਰੇਨਿੰਗ ਲਈ ਕਦੇ ਨਹੀਂ ਵਰਤੇ ਜਾਂਦੇ ਹਨ । ਪਰੋ ਪਲਾਨ ਠੀਕ ਸਮੇਂ ਉੱਤੇ ਟਰਾਂਸਕਰੀਪਟ ਲਈ ਕਲਾਂਇਟ-ਸਾਈਡ ਇੰਕ੍ਰਿਪਸ਼ਨ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ ।
ਇੱਕੋ ਆਡੀਓ ਉੱਤੇ ਕਿਸੇ ਹੋਰ ਸਹਾਇਕ ਮਾਡਲ ਨਾਲ Whisper Large V3 ਚਲਾਉਣ ਲਈ compare-stt ਟੂਲ ਵਰਤੋਂ - ਤੁਸੀਂ WER, ਸੈਗਮੈਂਟ ਗਿਣਤੀ, ਸਪੀਕਰ ਲੇਬਲ ਅਤੇ ਭਰੋਸੇਯੋਗ ਸਕੋਰ ਨੂੰ ਪਾਸੇ-ਪਾਸੇ ਵੇਖੋਗੇ। Whisper Large V3 ਵਿਰੁੱਧ Whisper Large V3 ਤੁਲਨਾ ਸਭ ਤੋਂ ਵੱਧ ਚਲਾਈ ਜਾਂਦੀ ਹੈ।
ਹਾਂ, ਇੱਕ ਭੁਗਤਾਨ ਪਲਾਨ ਉੱਤੇ । /v1/transcribe ਅੰਤ-ਬਿੱਟ ਉੱਤੇ ਮਾਡਲ ਪੈਰਾਮੀਟਰ ਵਜੋਂ "whisper-large-v3" ਦਿਓ । ਸਰਗਰਮ ਪਲਾਨ ਤੋਂ ਬਿਨਾਂ ਕੁੰਜੀਆਂ ਨੂੰ ਇਸ ਦੀ ਬਜਾਏ Whisper Large v3 Turbo ਨਾਲ ਸੇਵਾ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ । ਬੇਨਤੀ ਸਫਲ ਰਹੀ ਹੈ; ਇਹ ਮੁਫਤ ਮਾਡਲ ਹੀ ਚਲਾਉਦਾ ਹੈ ।
ਹਾਂ, ਕਿਉਂਕਿ Whisper Large V3 MIT-ਲਾਈਸੈਂਸਡ ਹੈ, ਤੁਸੀਂ ਇਸ ਨੂੰ ਆਪ ਹੀ ਹੋਸਟ ਕਰ ਸਕਦੇ ਹੋ। STT.ai ਦਾ ਓਪਨ-ਸੋਰਸ ਪੇਜ਼ ਪ੍ਰੋਜੈਕਟ ਰੈਪੋ ਅਤੇ ਭਾਰ ਦੀ ਸੂਚੀ ਦਿੰਦਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਉਤਪਾਦਨ ਟੀਮਾਂ GPU ਖਰੀਦ, ਮਾਡਲ ਸਵਾਪ ਅਤੇ ਓਪਸ ਛੱਡਣ ਲਈ ਸਾਡੇ ਹੋਸਟ ਵਰਜਨ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ।