Whisper Large V3
STT.ai सञ्चालितम् अस्ति इदं मॉडेलम् शुल्क-आधारित-स्तरे । इदं मॉडेलम् STT.ai Enhanced स्य पश्यति । निःशुल्क-रूपान्तरणम् Whisper Large v3 Turbo, which is faster, येन प्रयुक्तम् अस्ति ।
योजनाम् निरीक्ष्य →
·
स्वचालितम् अनुवादः with Whisper Turbo →
4.2%
WER
99
भाषाः
15.9x
गतिः
MIT
लाइसेन्स
विषये Whisper Large V3
Whisper Large V3 इति OpenAI-या प्रमुखा ओपन-सोर्स-भाषण-पठन-पुष्टिकरण-प्रणाली अस्ति । 1.55 बिलियन-परिमाणानाम् सह, 99 भाषासु असाधारणं शुद्धताम् अर्पणयति । 680,000 घन्टा बहुभाषिक-अडियो-डाटा-पर्यन्तं प्रशिक्षितं ट्रांसफार्मर-एनकोडर-डिकोडर-आर्किटेक्चरं वर्तते ।
भाषाः Whisper Large V3
मॉडेल- सूचना
- प्रदाताOpenAI
- आर्किटेक्चर-
- लाइसेन्सMIT
- अद्यतनीकृतःAug 2026
यदा-कदा सोध्यमानानि प्रश्नानि
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.
Whisper Large V3-या 4.2% शब्द-त्रुटि-दरः अस्ति। वास्तविक-विश्वे त्रुटि-निवारणं ध्वनि-गुणवत्ते, उच्चारणे, भाषायां च निर्भरम् अस्ति। शोरमय-या उच्चारणयुक्त-रेकॉर्डिङ्ग-कार्ये WER-गुणवत्तेः प्रति प्रतिशतं 100% अधिकं भविष्यति।
Whisper Large V3 STT.ai's free tier परम् चलति - प्रत्येकं आगन्तुकः 600 मिनटान् विनामूल्य प्रारब्धुं प्राप्नोति। शुल्कं दत्तानि योजनानि अधिकतमं प्रति-फाइलम् सीमां, निजीं वार्तालापं, तथा प्राथमिकतां सूचयितुं प्रदत्तानि।
Whisper Large V3 MIT, एकः अनुकूलः ओपन-सोर्स-लिसिन् इत्यनेन जारीः अस्ति । Whisper Large V3 तम् अहं स्व-होस्टं कृत्वा तम् अहं ह्यर्डवेर् परं स्थापयितुं शक्नुमि, अथवा तम् अहं ह्यर्डवेर् परं स्थापयितुं शक्नुमि — एतयोः द्वयोः व्यापारिकः उपयोगः क्रियते ।
Whisper Large V3 99 भाषान् समर्थयति । स्वचालित-दृष्टिः अधिकतरेभ्यः ऑडियोभ्यः उचितं भाषां चेत् । तव येन प्रकारेण स्वचालिततया चेत् तात्पुरं अधिकं स्थिरं भाषां चेत् ।
Whisper Large V3 प्रोसेसस् ऑडियो 15.9x रियल-टाइम परन्तु आमने-सामने GPUs. एक 1-घण्टा ऑडियो फाइल 3 मिनटे समाप्तः; अधिक फाइल्स क्यूएन्, तथा इलेक्ट्रॉनिक-मेल द्वारा सूचना दीयते जब पूरा किया जाता है।
Whisper Large V3 स्य 1.55B परमाणुः सन्ति । बृहत् मॉडेलः अधिकं सटीकं तथापि धीमं भवति । STT.ai Whisper Large V3 म् GPU परम् स्थापयति, अतः परमाणुसंख्या स्य क्लायन्ट-साइड परफॉर्मेन्सिम् न प्रभाविता भवति ।
Whisper Large V3 स्वीकरोति STT.ai समर्थितेषु सर्वेषु प्रारूपेषु — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, and others. Output as TXT, SRT, VTT, DOCX, JSON, or PDF.
Speaker diarization runs alongside Whisper Large V3 for every transcription — each speaker is labeled and you can rename them in the editor afterwards.
Whisper Large V3 सञ्चालितेषु वातावरणेषु सञ्चालितम् - अडियो प्रक्रियया प्रवर्त्यते, डिफॉल्टेन लोप्यते, तथा पर्यवेक्षणार्थं स्वीक्रियते। प्रो प्लान्स् क्रीडायां न सञ्चालितानां वार्तानां क्लायन्ट-साइड एन्क्रिप्शनम् आगच्छति।
Whisper Large V3 सह अन्ये समर्थिताः मॉडेलः समाने ऑडियो पर्यन्तं चलयितुं compare-stt यन्त्रं सञ्चालितं भवति - WER, segment count, speaker labels, and confidence scores side-by-side दृश्यन्ते । Whisper Large V3 वि Whisper Large V3 सह तुलना सर्वाधिकं प्रचलति ।
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.
STT.ai's open-source page lists the project repo and weights. Most production teams use our hosted version to skip GPU procurement, model swaps, and ops. STT.ai's open-source page lists the project repo and weights.