Whisper Large V3
STT.ai e përdor këtë model në nivelin e paguar. Është modeli pas STT.ai Enhanced. Transkriptimi i lirë përdor Whisper Large v3 Turbo, që është më i shpejtë.
Shiko plane →
·
Transkribo pa pagesë me Whisper Turbo →
4.2%
WER
99
Gjuhë
15.9x
Shpejtësia
MIT
Liçenca
Për Whisper Large V3
Whisper Large V3 është modeli kryesor i njohur i OpenAI për njohjen e fjalës me burim të hapur. Me 1.55 miliard parametra, ofron saktësi të jashtëzakonshme në 99 gjuhë. Përdor një arkitekturë kodimi-dekodimi të transformuar të trajnuar në 680,000 orë të dhëna audio shumëgjuhësore.
Gjuhët e mbështetura Whisper Large V3
Informacione mbi modelin
- ProviderOpenAI
- Arkitektura-
- LiçencaMIT
- PërditësoAug 2026
Pyetje të shpeshta
Whisper Large V3 është një model i foljes në tekst nga OpenAI. STT.ai e përdor atë në GPU-në tonë për llogaritë me plan të paguar, dhe është modeli prapa nivelit të përmirësuar STT.ai. Transkriptimi i lirë përdor Whisper Large v3 Turbo, kontrolli më i shpejtë i të njëjtës familje.
Në standartet e vlerësimit, Whisper Large V3 arrin rreth 4.2% të normave të gabimeve të fjalëve. Saktësia në botën reale varet nga cilësia e audios, theksi dhe gjuha; për regjistrime me zhurmë ose theks, prit disa përqindje më të larta WER.
Whisper Large V3 punon në nivelin e lirë të STT.ai - çdo vizitor merr 600 minuta për të filluar pa kosto. Planet e paguar shtojnë kufij më të gjatë për file, transkripta private dhe renditje përparësie.
Whisper Large V3 është lëshuar nën MIT, një licencë e hapur e hapur. Mund të vetë-hostoni Whisper Large V3 në hardware-in tuaj ose të përdorni versionin tonë të pritur — të dy janë komercialisht të përdorshëm.
Whisper Large V3 suporton 99 gjuhë. Zbulimi automatik zgjedh gjuhën e duhur për shumicën e audiove; mund ta specifikoni gjithashtu manualisht për një rritje të vogël të saktësisë.
Whisper Large V3 përpunon audion në rreth 15.9x në kohë reale në GPU-të tona. Një file audio 1 orë përfundon në më pak se 3 minuta; file më të gjatë vënë në radhë dhe njoftohen me email kur përfundojnë.
Whisper Large V3 ka parametrat 1.55B. Modelet më të mëdha priren të jenë më të sakta por më të ngadalshme; STT.ai hosts Whisper Large V3 në GPU kështu që numërimi i parametrave nuk ndikon në performancën e anës së klientit.
Whisper Large V3 pranon çdo format që suporton STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, dhe të tjerë. Shfaq si TXT, SRT, VTT, DOCX, JSON, ose PDF.
Po. Diarization e folësit punon së bashku me Whisper Large V3 për çdo transkriptim - çdo folës është i etiketuar dhe mund t'i riemërtoni ata në editor më pas.
Po. Whisper Large V3 punon në mjedisin tonë të menazhuar — audiot përpunohen dhe eleminohen në mënyrë të prezgjedhur dhe nuk përdoren kurrë për trainim pa opsion të hapur. Planet Pro shtojnë kriptimin në anën e klientit për transkriptat në pushim.
Përdor instrumentin compare-stt për të ekzekutuar Whisper Large V3 kundër çdo modeli tjetër të suportuar në të njëjtin audio — do të shihni WER, numrin e segmenteve, etiketat e folësve dhe rezultatet e besimit krah-për-krah. Krahasimi Whisper Large V3 vs Whisper Large V3 është më i zakonshmi.
Po, në një plan të paguar. Specifikoni "whisper-large-v3" si parametri i modelit në /v1/transcribe endpoint. Kyçet pa një plan aktiv do të shërbehen me Whisper Large v3 Turbo në vend të tij. Kërkesa ende është e suksesshme; ajo vetëm ekzekuton modelin e lirë.
Po. Sepse Whisper Large V3 është i licencuar MIT, mund ta hostosh vetë. Faqja e burimit të hapur të STT.ai-ës përmban listën e projektit dhe peshat. Shumica e ekipeve të prodhimit përdorin versionin tonë të pritur për të kaluar GPU-në, modelin e shkëmbimit dhe operacionet.