Whisper Large V3
STT.ai uruchomił ten model na płatnym poziomie. Jest to model za zqx0xz Advanced. Darmowa transkrypcja używa Whisper Large v3 Turbo, co jest szybsze.
Zob. plany →
·
Bezpieczeństwo w języku Whisper Turbo →
4.2%
WER
99
Języki
15.9x
Prędkość
MIT
Licencja
O tematie Whisper Large V3
Whisper Large V3 jest przewodnim modelem OpenAI rozpoznawania mowy otwartej. Z 1,55 mld parametrów, oferuje wyjątkową dokładność w 99 językach. Wykorzystuje architekturę dekoderu transformatora przeszkoloną na 680 000 godzin wielojęzycznych danych audio.
Języki wspierane przez Whisper Large V3
Informacje o wzorze
- DostawcaOpenAI
- Architektura-
- LicencjaMIT
- UaktualnioneAug 2026
Często zadawane pytania
Whisper Large V3 jest modelem mowy do tekstu przez OpenAI. STT.ai steruje go na własnych GPU na kontach na planie płatnym, a to model za STT.ai Advanced quare. Darmowa transkrypcja używa Whisper Large v3 Turbo, szybszy punkt kontrolny tej samej rodziny.
W odniesieniu do standardowych poziomów odniesienia Whisper Large V3 osiąga około 4.2% Błędów Word. Dokładność rzeczywistego świata zależy od jakości dźwięku, akcentu i języka; w przypadku głośnych lub akcentowanych nagrań, oczekuje się kilku punktów procentowych wyższych WER.
Whisper Large V3 biegnie na STT.ai bezpłatny poziom – każdy gościa otrzymuje 600 minut na rozpoczęcie bez kosztów. Wypłata planów dodaje dłużej limity na pliki, prywatne transkrypty i priorytetowe kolejki.
Whisper Large V3 jest wydane pod MIT, licencja otwartego źródła. Można samodzielnie gospodarować Whisper Large V3 na własnym sprzętie lub korzystać z naszej hospodowanej wersji – obie są komercyjne użyteczne.
Whisper Large V3 obsługuje 99 języków. Automatyczne wykrywanie wybiera właściwy język dla większości audio; można również wskazywać go ręcznie dla małego podnoszenia dokładności.
Whisper Large V3 procesów audio w około 15.9x w czasie rzeczywistym na naszych GPU. 1-godzinny plik audio zakończy się w mniej niż 8802 minut; dłuższa kolejka plików i powiadomić za pośrednictwem e-maila.
Whisper Large V3 ma 8802 parametrów. Większe modele są zazwyczaj bardziej dokładne, ale wolniej; STT.ai hostów Whisper Large V3 w GPU, tak aby liczba parametrów nie wpływała na wydajność klienta.
Whisper Large V3 akceptuje każdy format obsługi STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI i inne. Wynik jako TXT, SRT, VTT, DOCX, JSON lub PDF.
Tak. Dializacja głośnika biegnie obok Whisper Large V3 dla każdej transkrypcji — każdy głośnik jest oznaczony i można je później zmienić w edytorze.
Tak. Whisper Large V3 uruchamia w naszym zarządzanym środowisku – audio jest przetwarzany i usuwany domyślnie i nigdy nie używany do szkolenia bez wyraźnego opt-in. Pro plany dodają klient-side szyfrowanie do transkrypcji w pokoju.
Użyj narzędzia porównania-stt, aby uruchomić Whisper Large V3 w stosunku do jakiegokolwiek innego modelu obsługiwanego w tym samym audio – zobaczysz WER, liczbę segmentów, etykiety głośnika i wyniki ufności po stronie. Porównanie Whisper Large V3 ws Whisper Large V3 jest najczęściej uruchomione.
Tak, w planie płatnym. Wskaź "whisper-large-v3" jako parametr modelu w końcowym punkcie końcowym /v1/transkriptu. Zamiast tego, klucze bez aktywnego planu, są podane Whisper Large v3 Turbo. Żądanie nadal udaje się; po prostu działa bezpłatny model.
Tak. Ponieważ Whisper Large V3 jest 8802-licenzowany, możesz go sam-host. STT.ai stron otwartego źródła wykazuje repo i wagi projektu. Większość zespołów produkcyjnych korzysta z naszej hosted wersji, aby pominąć zamówienia GPU, modele swaps i ops.