Whisper Large V3
STT.ai ngajalankeun model ieu dina tingkat dibayar. Éta model di tukangeun STT.ai Enhanced. Transkripsi bébas nganggo Whisper Large v3 Turbo, anu langkung gancang.
Lihat rencana →
·
Transkripsi gratis karo Whisper Turbo →
4.2%
WER
99
Basa
15.9x
Kecepatan
MIT
Lisensi
_Tentang Whisper Large V3
Whisper Large V3 nyaéta model pangidentipikasi basa sumber terbuka pangkolotna ti OpenAI. Ku 1.55 milyar parameter, éta nawiskeun akurasi anu luar biasa di 99 basa. Éta nganggo arsitektur encoder-decoder transformator anu dilatih dina 680.000 jam data audio multibahasa.
Informasi Model
- PanyedhiyaOpenAI
- Arsitektur-
- LisensiMIT
- DiperbaruiAug 2026
Takon-takon sing asring diajukake
Whisper Large V3 nyaéta model basa-ka-teks ku OpenAI. STT.ai ngajalankeunana dina GPU urang nyalira pikeun akun dina rencana anu dibayar, sareng éta mangrupikeun model di tukangeun STT.ai Enhanced tier. Transkripsi gratis nganggo Whisper Large v3 Turbo, checkpoint anu langkung gancang tina kulawarga anu sami.
Dina benchmarks standar, Whisper Large V3 ngahontal kira-kira 4.2% Word Error Rate. Akurasi dunya nyata gumantung kana kualitas audio, accent, jeung basa; pikeun rekaman noisy atawa accented, ngarepkeun sababaraha poin persentase luhur WER.
Whisper Large V3 dijalankeun dina tingkat bébas STT.ai - unggal pengunjung kéngingkeun menit 600 pikeun ngamimitian tanpa biaya. Rencana anu dibayar nambihan wates per file anu langkung lami, transcripts pribadi, sareng prioritas ngagentos.
Whisper Large V3 dikaluarkeun di handapeun MIT, lisénsi sumber terbuka anu permisif. Anjeun tiasa ngahost Whisper Large V3 dina perkakas anjeun atanapi nganggo vérsi anu dihost urang - kaduana tiasa dianggo sacara komersial.
Whisper Large V3 ngadukung 99 basa. Auto-deteksi milih basa anu bener pikeun kabéh audio; anjeun ogé bisa nyatet éta sacara manual pikeun ngaronjatkeun akurasi.
Whisper Large V3 ngaproses audio dina kira-kira 15.9x real-time dina GPU urang. A file audio 1 jam réngsé dina handapeun 3 menit; file leuwih panjang diulit jeung ngalaporkeun ku surél nalika réngsé.
Whisper Large V3 mibanda parameter 1.55B. Model anu leuwih gedé leuwih akurat tapi leuwih lambat; STT.ai mibanda Whisper Large V3 dina GPU supados jumlah parameter teu mangaruhan kinerja klien.
Whisper Large V3 nampa saben format STT.ai dukungan - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, lan liya-liyane. Output minangka TXT, SRT, VTT, DOCX, JSON, utawa PDF.
Ya. Diarization speaker jalan bareng jeung Whisper Large V3 pikeun unggal transkripsi — unggal speaker dilabelkeun sarta anjeun bisa ngaganti ngaranna dina penyunting saterusna.
Ya. Whisper Large V3 dijalankeun dina lingkungan anu diurus urang — audio diolah sareng dihapus sacara piawai sareng henteu pernah dianggo pikeun latihan tanpa opt-in eksplisit. Rencana Pro nambahan enkripsi sisi klien pikeun transkripsi nalika istirahat.
Gunakeun alat compare-stt pikeun ngajalankeun Whisper Large V3 ngalawan model séjén anu didukung dina audio anu sami — anjeun bakal ningali WER, jumlah segmen, label panyatur, sarta skor confidence dibarengan-dibarengan. Perbandingan Whisper Large V3 vs Whisper Large V3 nyaéta anu paling umum dijalankeun.
Ya, dina rencana anu dibayar. Nyatakeun "whisper-large-v3" minangka parameter model dina titik akhir /v1/transcribe. Kunci tanpa rencana aktif dilayani ku Whisper Large v3 Turbo. Pangéran masih berhasil; éta ngan ngajalankeun model gratis.
Ya. Kusabab Whisper Large V3 dilisensikeun ku MIT, anjeun tiasa ngahost éta nyalira. Halaman sumber terbuka STT.ai nyarankeun repo sareng beurat proyek. Kabéh tim produksi nganggo vérsi anu dihost pikeun ngaleupaskeun GPU procurement, swaps model, sareng ops.