Transkribatu honekin Whisper Turbo
5.1%
WER
99
Hizkuntzak
32.0x
Abiadura
MIT
Lizentzia
Honi buruz Whisper Turbo
Whisper Turbo (large-v3-turbo) Whisper Large V3-ren bertsio distiratu bat da, inferentzia denbora nabarmen murrizten duena, lehiakortasunaren zehaztasuna mantenduz. 32 dekodetzaile geruzaren ordez 4 bakarrik dituela, 4x abiadura handiagoa lortzen du.
Onartutako hizkuntzak Whisper Turbo
Modeloaren informazioa
- HornitzaileaOpenAI
- Arkitektura-
- LizentziaMIT
- EguneratutaMar 2026
Maiz egiten diren galderak
Whisper Turbo OpenAIren hizketa-testu modelo bat da. STT.aik Whisper Turbo gure GPU azpiegituran ostatzen du, zure hardwarea hornitu gabe erabil dezakezu, audioa edo bideoa igo eta Whisper Turbo aukeratu modelo-hautatzailean.
Erreferentzia estandarretan, Whisper Turbok %5.1 inguruko hitzen errore-tasa lortzen du. Benetako zehaztasuna audio-kalitatearen, azentuaren eta hizkuntzaren araberakoa da; grabazio zaratatsu edo azentudunetarako, WER ehuneko puntu batzuk handiagoa espero daiteke.
Whisper Turbo STT.airen doako mailan exekutatzen da — bisitari bakoitzak 600 minutuko hasiera-denbora du, kosturik gabe. Ordainpeko planek fitxategiko muga luzeagoak gehitzen dituzte, transkribapen pribatuak eta lehentasun-ilara.
Whisper Turbo MIT lizentziapean argitaratzen da, kode irekiko lizentzia permisiboa. Zure hardwarean Whisper Turbo ostatatu dezakezu edo gure ostatatutako bertsioa erabili — biak erabil daitezke merkataritzan.
Whisper Turbok 99 hizkuntza onartzen ditu. Auto-detekzioak hizkuntza egokia hautatzen du audio gehienentzat; eskuz ere zehaztu dezakezu zehaztasun txikiagoa lortzeko.
Whisper Turbo-k audioa 32.0x denbora errealean prozesatzen du gure GPUetan. Ordu bateko audio-fitxategi bat 1 minututan amaitzen da; fitxategi luzeagoak ilaran jarri eta e-postaz jakinarazi egiten dira amaitzen direnean.
Whisper Turbo-k 809M parametro ditu. Modelo handiagoak zehatzagoak izaten dira, baina motelagoak; STT.ai-k Whisper Turbo GPUan gordetzen du, beraz parametroen kopuruak ez du eraginik izango bezeroaren errendimenduan.
Whisper Turboek STT.aik onartzen dituen formatu guztiak onartzen ditu: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI eta beste batzuk. Irteera TXT, SRT, VTT, DOCX, JSON edo PDF gisa.
Bai. Hiztun-diarizazioa Whisper Turborekin batera exekutatzen da transkribapen bakoitzean — hiztun bakoitza etiketatuta dago eta gero editorean izena aldatu ahal izango duzu.
Bai. Whisper Turbo gure kudeatutako ingurunean exekutatzen da — audioa lehenespenez prozesatu eta ezabatu egiten da, eta ez da inoiz entrenamendurako erabiltzen, aldez aurretik aukeratu gabe. Pro planek bezeroaren aldeko enkriptatzea gehitzen dute transkribapen geldituetan.
Erabili compare-stt tresna Whisper Turbo audio beraren beste edozein onartutako modeloren aurka exekutatzeko — WER, segmentu-kopurua, bozgorailuen etiketak eta konfiantza-puntuak aldi berean ikusiko dituzu. Whisper Turbo eta Whisper Large V3 konparaketa da gehien erabiltzen dena.
Bai. Zehaztu "whisper-turbo" modeloaren parametro gisa /v1/transcribe amaierako puntuan. Python eta Node.js SDKek Whisper Turbo adibidea dute. API doako maila 100 minutukoa da hilean.
Bai. Whisper Turbo MIT lizentziaduna denez, zeure burua ostatatu dezakezu. STT.airen kode irekiko orrialdean proiektuaren errepositorioa eta pisuak zerrendatzen dira. Produkzio-talde gehienek gure ostatatutako bertsioa erabiltzen dute GPU-ren erosketak, modeloen trukaketak eta operazioak saltatzeko.