OpenAI: Whisper large-v3
whisper-large-v3- Preis
- Ab $0.000031
- Modalitäten
- Audio
Über Whisper large-v3
Whisper large-v3 ist der Open-Weight-Checkpoint von OpenAIs Whisper-Spracherkennungsmodell mit etwa 1,55 Milliarden Parametern. Er wurde mit rund 1 Million Stunden schwach annotierter und 4 Millionen Stunden pseudo-annotierter Audiodaten trainiert, unterstützt 99 Sprachen und verwendet 128 Mel-Bins sowie ein kantonesisches Sprach-Token. OpenAI berichtet von 10 bis 20 Prozent weniger Fehlern als bei large-v2; die Modellkarte gibt die Apache-2.0-Lizenz an.
Stärken
- Offene Gewichte, die Sie selbst hosten können, wodurch Audiodaten in Ihrer eigenen Infrastruktur verbleiben.
- Berichtete Fehlerreduzierung von 10 bis 20 Prozent gegenüber large-v2 in einer Vielzahl von Sprachen.
- Deckt 99 Sprachen ab, einschließlich eines dedizierten kantonesischen Tokens, das in dieser Version hinzugefügt wurde.
- Kann Zeitstempel auf Wort- und Satzebene für die Ausrichtung erzeugen.
Alternativen
- Es handelt sich um ein Modell in voller Größe, daher dekodiert es langsamer und benötigt mehr Speicher als die Turbo-Variante.
- Es ist ein reiner Transkriptions-Checkpoint ohne Sprecherkennzeichnung und ohne Streaming-Schnittstelle.
- Die GPT-4o-Transkriptionsmodelle von OpenAI weisen in eigenen Evaluierungen bessere Wortfehlerraten auf.
Erste Schritte
API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.
Senden Sie Ihre erste Anfrage
Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.
Sprache zu TextTokenLab-EndpunktPOST/v1/audio/transcriptionscurl -X POST "https://api.tokenlab.sh/v1/audio/transcriptions" \ -H "Authorization: Bearer sk-xxx" \ -F file="@audio.mp3" \ -F operation="stt" \ -F model="whisper-large-v3" \ -F language="en" \ -F response_format="json"
Parameter
Sprache zu Text
| Parameter | Werte und Grenzen | Standardwert | Hinweise |
|---|---|---|---|
file | Eingaben: ≥ 1, ≤ 1 | Nicht angegeben | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | Nicht angegeben | Nicht angegeben | This field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified. |
Preise
Der Verified-Preis gilt für Verified und ist bei den meisten Modellen günstiger. Der Official-Preis ist der veröffentlichte Preis des Modellherstellers und gilt für die zuverlässigere Official-Route. Auto rechnet die Route ab, die die Anfrage abschließt.
Sprache zu Text
pro Sekunde- Official-Preis
- $0.0000308
- Verified-Preis
- —
- Rabatt
- —
| Official-Preispro Sekunde | Verified-Preispro Sekunde | Rabatt | |
|---|---|---|---|
| Sprache zu Text | $0.0000308 | — | — |
Nutzung & Aktivität
Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.
Nutzung & Verfügbarkeit
Letzte 24 Stunden- Anfragen
- Erfolgsrate
- P95-Latenz
- Token gesamt
Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.
In Console öffnen
Öffne Whisper large-v3 in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.
Teste whisper-large-v3 mit einer kurzen Audio-Anfrage an /v1/audio/transcriptions. Zeige Ergebnis und Kosten.
Anwendungsfälle
Selbst gehostete Transkription
Führen Sie Speech-to-Text innerhalb eines privaten Netzwerks aus, wenn Audiodaten Ihre Umgebung nicht verlassen dürfen.
Mehrsprachige Medien
Transkribieren Sie Sendungen, Vorlesungen oder Videos in vielen Sprachen mit einem einzigen Checkpoint.
Kantonesische Inhalte
Verwenden Sie das dedizierte Sprach-Token für Audio aus Hongkong und Guangdong, anstatt es als allgemeines Chinesisch zu behandeln.
Untertitel-Ausrichtung
Erzeugen Sie Zeitstempel auf Wort- oder Satzebene, um Transkriptionstext mit bestimmten Videosegmenten abzugleichen.
Prompt-Beispiele
Transkribieren Sie diesen kantonesischen Radio-Clip und behalten Sie die Ausgabe in schriftlichem Chinesisch bei.
Transkribieren Sie diesen deutschen Konferenzvortrag mit Zeitstempeln auf Satzebene.
Transkribieren Sie dieses Feldaufnahme-Interview auf Portugiesisch und geben Sie reinen Text zurück.
FAQ
Was ist Whisper large-v3?
Es ist der Open-Weight-Whisper-Checkpoint mit 1,55 Milliarden Parametern für Spracherkennung und Sprachübersetzung in 99 Sprachen. Er wurde mit 1 Million Stunden schwach annotierter und 4 Millionen Stunden pseudo-annotierter Audiodaten trainiert.
Was hat sich gegenüber large-v2 geändert?
Das Eingabe-Spektrogramm verwendet 128 statt 80 Mel-Bins, ein kantonesisches Sprach-Token wurde hinzugefügt und die Modellkarte berichtet von einer Fehlerreduzierung von 10 bis 20 Prozent in vielen Sprachen.
Wie unterscheidet es sich von whisper-large-v3-turbo?
Der Turbo-Checkpoint reduziert den Decoder von 32 auf 4 Schichten, was zu einer schnelleren Dekodierung bei geringem Qualitätsverlust führt. Whisper large-v3 behält den vollständigen Decoder für die höhere Genauigkeit der beiden bei.
Welche Lizenz wird verwendet?
Die Modellkarte auf Hugging Face führt Apache 2.0 auf, was die kommerzielle Nutzung und das Selbst-Hosting erlaubt. Überprüfen Sie die Karte selbst vor der Bereitstellung, da Lizenzen zwischen Whisper-Checkpoints variieren können.
Ist es dasselbe wie whisper-1?
Nein. Whisper-1 ist das verwaltete API-Modell von OpenAI, während large-v3 der offene Checkpoint ist, der zum Download bereitgestellt wurde. Sie gehören zur Whisper-Familie, sind aber separate Angebote.
Was kostet Whisper large-v3?
Auf TokenLab kostet Whisper large-v3 $0.0000308 pro Sekunde. Die vollständige Aufschlüsselung steht in der Preistabelle oben. Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.
Welchen Endpunkt soll Whisper large-v3 verwenden?
Verwenden Sie https://api.tokenlab.sh/v1/audio/transcriptions für Whisper large-v3. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.
Welche Operationen unterstützt Whisper large-v3?
Whisper large-v3 unterstützt Sprache zu Text. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.
Whisper large-v3 vergleichen
Quellen
Geprüft am 02.10.2026
