Transkripsi karo Whisper Turbo
5.1%
WER
99
Basa
32.0x
Kecepatan
MIT
Lisensi
_Tentang Whisper Turbo
Whisper Turbo (large-v3-turbo) nyaéta vérsi distilasi tina Whisper Large V3 anu sacara dramatis ngirangan waktos inference nalika ngajaga akurasi kompetitif. Ku ngan 4 lapisan dekoder sabalikna tina 32, éta ngahontal 4x speedup.
Informasi Model
- PanyedhiyaOpenAI
- Arsitektur-
- LisensiMIT
- DiperbaruiMar 2026
Takon-takon sing asring diajukake
STT.ai hosts Whisper Turbo on our GPU infrastructure so you can use it without provisioning your own hardware — upload audio or video and pick Whisper Turbo from the model picker.
Dina benchmarks standar, Whisper Turbo ngahontal kira-kira 5.1% 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 Turbo 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 Turbo dikaluarkeun di handapeun MIT, lisénsi sumber terbuka anu permisif. Anjeun tiasa ngahost Whisper Turbo dina perkakas anjeun atanapi nganggo vérsi anu dihost urang - kaduana tiasa dianggo sacara komersial.
Whisper Turbo ngadukung 99 basa. Auto-deteksi milih basa anu bener pikeun kabéh audio; anjeun ogé bisa nyatet éta sacara manual pikeun ngaronjatkeun akurasi.
Whisper Turbo ngaproses audio dina kira-kira 32.0x real-time dina GPU urang. A file audio 1 jam réngsé dina handapeun 1 menit; file leuwih panjang diulit jeung ngalaporkeun ku surél nalika réngsé.
Whisper Turbo mibanda parameter 809M. Model anu leuwih gedé leuwih akurat tapi leuwih lambat; STT.ai mibanda Whisper Turbo dina GPU supados jumlah parameter teu mangaruhan kinerja klien.
Whisper Turbo 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 Turbo pikeun unggal transkripsi — unggal speaker dilabelkeun sarta anjeun bisa ngaganti ngaranna dina penyunting saterusna.
Ya. Whisper Turbo 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 Turbo ngalawan model séjén anu didukung dina audio anu sami — anjeun bakal ningali WER, jumlah segmen, label panyatur, sarta skor confidence dibarengan-dibarengan. Perbandingan Whisper Turbo vs Whisper Large V3 nyaéta anu paling umum dijalankeun.
Ya. Nyatakeun "whisper-turbo" minangka parameter model dina titik akhir /v1/transcribe. Python sareng Node.js SDK kalebet conto Whisper Turbo. Tingkat API gratis kalebet 100 menit / bulan.
Ya. Kusabab Whisper Turbo 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.