OpenAI: Whisper large-v3
whisper-large-v3- Precio
- Desde $0.000031
- Modalidades
- Audio
Sobre Whisper large-v3
Whisper large-v3 es el checkpoint de pesos abiertos del modelo de reconocimiento de voz Whisper de OpenAI, con aproximadamente 1.55 mil millones de parámetros. Está entrenado con cerca de 1 millón de horas de audio débilmente etiquetado y 4 millones de horas de audio pseudoetiquetado, admite 99 idiomas y utiliza 128 bins de mel además de un token para el idioma cantonés. OpenAI reporta entre un 10 y un 20 por ciento menos de errores que large-v2, y la tarjeta del modelo indica una licencia Apache 2.0.
Puntos fuertes
- Pesos abiertos que puedes alojar tú mismo, manteniendo el audio dentro de tu propia infraestructura.
- Se reporta una reducción de errores del 10 al 20 por ciento respecto a large-v2 en una amplia gama de idiomas.
- Cubre 99 idiomas, incluyendo un token dedicado para el cantonés añadido en esta versión.
- Puede producir marcas de tiempo a nivel de palabra y de oración para la alineación.
Cuándo buscar otra opción
- Es un modelo de tamaño completo, por lo que decodifica más lento y necesita más memoria que la variante turbo.
- Es un checkpoint de transcripción simple, sin etiquetas de orador y sin interfaz de streaming.
- Los modelos de transcripción GPT-4o de OpenAI reportan mejores tasas de error de palabra en sus propias evaluaciones.
Primeros pasos
Crear clave API
Genera una clave en Console y úsala con cualquier modelo de la plataforma.
Envía tu primera solicitud
Copia el ejemplo para tu lenguaje y ejecútalo contra el endpoint.
Voz a textoEndpoint de TokenLabPOST/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"
Parámetros
Voz a texto
| Parámetro | Valores y límites | Predeterminado | Notas |
|---|---|---|---|
file | Entradas: ≥ 1, ≤ 1 | No especificado | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | No especificado | No especificado | 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. |
Precios
El precio Verified se aplica a Verified, que cuesta menos en la mayoría de los modelos. El precio Official es el precio publicado por el fabricante del modelo y se aplica a la ruta Official, más fiable. Auto factura la ruta que completa la solicitud.
Voz a texto
por segundo- Precio Official
- $0.0000308
- Precio Verified
- —
- Descuento
- —
| Precio Officialpor segundo | Precio Verifiedpor segundo | Descuento | |
|---|---|---|---|
| Voz a texto | $0.0000308 | — | — |
Uso y actividad
La tasa de éxito es la proporción de solicitudes completadas. La latencia es cuánto tarda una respuesta completa; P95 significa que el 95 % de las solicitudes terminaron dentro de ese tiempo.
Uso y disponibilidad
Últimas 24 horas- Solicitudes
- Tasa de éxito
- Latencia P95
- Total de tokens
Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.
Abrir en Console
Abre Whisper large-v3 en Console con un prompt listo para editar o enviar.
Ayúdame a probar whisper-large-v3 con una solicitud de audio breve en /v1/audio/transcriptions. Muestra el resultado y el coste.
Casos de uso
Transcripción autohospedada
Ejecuta la conversión de voz a texto dentro de una red privada para audio que no puede salir de tu entorno.
Contenido multimedia multilingüe
Transcribe transmisiones, conferencias o videos en muchos idiomas con un solo checkpoint.
Contenido en cantonés
Utiliza el token de idioma dedicado para audio de Hong Kong y Guangdong en lugar de tratarlo como chino genérico.
Alineación de subtítulos
Produce marcas de tiempo a nivel de palabra o de oración para hacer coincidir el texto de la transcripción con segmentos de video específicos.
Ejemplos de prompts
Transcribe este clip de radio en cantonés y mantén el resultado en chino escrito.
Transcribe esta charla de conferencia en alemán con marcas de tiempo a nivel de oración.
Transcribe esta entrevista de campo en portugués y devuelve texto plano.
FAQ
¿Qué es Whisper large-v3?
Es el checkpoint de Whisper de pesos abiertos y 1.55 mil millones de parámetros para reconocimiento y traducción de voz en 99 idiomas. Fue entrenado con 1 millón de horas de audio débilmente etiquetado y 4 millones de horas de audio pseudoetiquetado.
¿Qué cambió respecto a large-v2?
El espectrograma de entrada utiliza 128 bins de mel en lugar de 80, se añadió un token para el idioma cantonés y la tarjeta del modelo reporta una reducción de errores del 10 al 20 por ciento en muchos idiomas.
¿En qué se diferencia de whisper-large-v3-turbo?
El checkpoint turbo reduce el decodificador de 32 capas a 4, decodificando más rápido con una pérdida menor de calidad. Whisper large-v3 mantiene el decodificador completo para obtener la mayor precisión de los dos.
¿Qué licencia utiliza?
La tarjeta del modelo en Hugging Face indica Apache 2.0, lo que permite el uso comercial y el autohospedaje. Verifica la tarjeta tú mismo antes de implementar, ya que las licencias pueden diferir entre los checkpoints de Whisper.
¿Es lo mismo que whisper-1?
No. Whisper-1 es el modelo de API gestionado de OpenAI, mientras que large-v3 es el checkpoint abierto lanzado para descarga. Comparten la familia Whisper pero son ofertas separadas.
¿Cuánto cuesta Whisper large-v3?
En TokenLab, Whisper large-v3 cuesta $0.0000308 por segundo. La tabla de precios arriba muestra el desglose completo. Las tarifas dependen de la unidad de facturación, la especificación y el uso. Compare condiciones iguales en el precio detallado del modelo; una sola tarifa no determina el coste total.
¿Qué endpoint debe usar Whisper large-v3?
Utiliza https://api.tokenlab.sh/v1/audio/transcriptions para Whisper large-v3. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.
¿Qué operaciones soporta Whisper large-v3?
Whisper large-v3 admite Voz a texto. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.
Comparar Whisper large-v3
Fuentes
Revisado el 2 oct 2026
