OpenAI: Whisper large-v3
whisper-large-v3- Prix
- À partir de $0.000031
- Modalités
- Audio
À propos de Whisper large-v3
Whisper large-v3 est le point de contrôle à poids ouverts du modèle de reconnaissance vocale Whisper d'OpenAI, doté d'environ 1,55 milliard de paramètres. Il est entraîné sur environ 1 million d'heures d'audio faiblement étiqueté et 4 millions d'heures d'audio pseudo-étiqueté, prend en charge 99 langues et utilise 128 filtres mel ainsi qu'un jeton pour la langue cantonaise. OpenAI rapporte 10 à 20 % d'erreurs en moins par rapport à large-v2, et la fiche du modèle indique une licence Apache 2.0.
Points forts
- Poids ouverts que vous pouvez héberger vous-même, en conservant l'audio au sein de votre propre infrastructure.
- Réduction des erreurs rapportée de 10 à 20 % par rapport à large-v2 sur un large éventail de langues.
- Couvre 99 langues, incluant un jeton dédié au cantonais ajouté dans cette version.
- Peut produire des horodatages au niveau du mot et de la phrase pour l'alignement.
Quand préférer un autre modèle
- Il s'agit d'un modèle pleine taille ; il décode donc plus lentement et nécessite plus de mémoire que la variante turbo.
- Il s'agit d'un point de contrôle de transcription simple, sans étiquettes de locuteur ni interface de streaming.
- Les modèles de transcription GPT-4o d'OpenAI rapportent de meilleurs taux d'erreur sur les mots lors de leurs propres évaluations.
Pour commencer
Créer une clé API
Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.
Envoyez votre première requête
Copiez l'exemple pour votre langage et lancez-le.
Audio vers texteEndpoint 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"
Paramètres
Audio vers texte
| Paramètre | Valeurs et limites | Valeur par défaut | Remarques |
|---|---|---|---|
file | Entrées : ≥ 1, ≤ 1 | Non fourni | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | Non fourni | Non fourni | 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. |
Tarification
Le prix Verified s’applique à Verified, moins cher sur la plupart des modèles. Le prix Official est le prix publié par le fabricant du modèle et s’applique à la route Official, plus fiable. Auto facture la route qui termine la requête.
Audio vers texte
par seconde- Prix Official
- $0.0000308
- Prix Verified
- —
- Remise
- —
| Prix Officialpar seconde | Prix Verifiedpar seconde | Remise | |
|---|---|---|---|
| Audio vers texte | $0.0000308 | — | — |
Utilisation et activité
Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.
Utilisation et disponibilité
Dernières 24 heures- Requêtes
- Taux de succès
- Latence P95
- Total des jetons
Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.
Ouvrir dans Console
Ouvrez Whisper large-v3 dans Console avec un prompt prêt à modifier ou envoyer.
Aide-moi à tester whisper-large-v3 avec une requête audio sur /v1/audio/transcriptions. Affiche le résultat et le coût.
Cas d'usage
Transcription auto-hébergée
Exécutez la conversion parole-texte au sein d'un réseau privé pour les fichiers audio qui ne peuvent pas quitter votre environnement.
Média multilingue
Transcrivez des émissions, des conférences ou des vidéos dans de nombreuses langues avec un seul point de contrôle.
Contenu cantonais
Utilisez le jeton linguistique dédié pour l'audio de Hong Kong et du Guangdong au lieu de le traiter comme du chinois générique.
Alignement des sous-titres
Produisez des horodatages au niveau du mot ou de la phrase pour faire correspondre le texte transcrit à des segments vidéo spécifiques.
Exemples de prompts
Transcrivez cet extrait radio cantonais et conservez la sortie en chinois écrit.
Transcrivez cette conférence allemande avec des horodatages au niveau de la phrase.
Transcrivez cet entretien enregistré sur le terrain en portugais et renvoyez du texte brut.
FAQ
Qu'est-ce que Whisper large-v3 ?
Il s'agit du point de contrôle Whisper à poids ouverts de 1,55 milliard de paramètres pour la reconnaissance et la traduction vocale dans 99 langues. Il a été entraîné sur 1 million d'heures d'audio faiblement étiqueté et 4 millions d'heures d'audio pseudo-étiqueté.
Qu'est-ce qui a changé par rapport à large-v2 ?
Le spectrogramme d'entrée utilise 128 filtres mel au lieu de 80, un jeton pour la langue cantonaise a été ajouté, et la fiche du modèle rapporte une réduction des erreurs de 10 à 20 % dans de nombreuses langues.
En quoi est-il différent de whisper-large-v3-turbo ?
Le point de contrôle turbo réduit le décodeur de 32 à 4 couches, permettant un décodage plus rapide avec une perte de qualité mineure. Whisper large-v3 conserve le décodeur complet pour une précision supérieure.
Quelle licence utilise-t-il ?
La fiche du modèle sur Hugging Face indique Apache 2.0, ce qui autorise l'utilisation commerciale et l'auto-hébergement. Vérifiez la fiche vous-même avant toute mise en production, car les licences peuvent varier entre les points de contrôle Whisper.
Est-ce la même chose que whisper-1 ?
Non. Whisper-1 est le modèle d'API géré par OpenAI, tandis que large-v3 est le point de contrôle ouvert publié pour le téléchargement. Ils partagent la famille Whisper mais sont des offres distinctes.
Combien coûte Whisper large-v3 ?
Sur TokenLab, Whisper large-v3 coûte $0.0000308 par seconde. La table tarifaire ci-dessus en montre le détail complet. Les tarifs dépendent de l’unité de facturation, de la spécification et de l’usage. Comparez des conditions identiques dans la tarification détaillée du modèle ; un tarif seul ne détermine pas le coût total.
Quel endpoint Whisper large-v3 doit-il utiliser ?
Utilisez https://api.tokenlab.sh/v1/audio/transcriptions pour Whisper large-v3. L'exemple de requête ci-dessous montre la structure de code correspondante.
Quelles opérations Whisper large-v3 prend-il en charge ?
Whisper large-v3 prend en charge Audio vers texte. Sélectionnez une opération pour voir l'endpoint et un exemple.
Comparer Whisper large-v3
Sources
Mis à jour le 2 oct. 2026
