OpenAI: Whisper large-v3
whisper-large-v3- Harga
- Mulai dari $0.000031
- Modalitas
- Audio
Tentang Whisper large-v3
Whisper large-v3 adalah checkpoint bobot terbuka dari model pengenalan ucapan Whisper milik OpenAI, dengan sekitar 1,55 miliar parameter. Model ini dilatih menggunakan sekitar 1 juta jam audio berlabel lemah dan 4 juta jam audio berlabel semu, mendukung 99 bahasa, serta menggunakan 128 mel bin ditambah token bahasa Kanton. OpenAI melaporkan tingkat kesalahan 10 hingga 20 persen lebih rendah dibandingkan large-v2, dan kartu model mencantumkan lisensi Apache 2.0.
Kelebihan
- Bobot terbuka yang dapat Anda host sendiri, menjaga audio tetap berada di dalam infrastruktur Anda.
- Dilaporkan terjadi pengurangan kesalahan sebesar 10 hingga 20 persen dibandingkan large-v2 di berbagai bahasa.
- Mencakup 99 bahasa, termasuk token khusus bahasa Kanton yang ditambahkan dalam versi ini.
- Dapat menghasilkan stempel waktu tingkat kata dan tingkat kalimat untuk penyelarasan.
Kapan harus beralih
- Ini adalah model ukuran penuh, sehingga proses dekodenya lebih lambat dan membutuhkan lebih banyak memori daripada varian turbo.
- Ini adalah checkpoint transkripsi biasa, tanpa label pembicara dan tanpa antarmuka streaming.
- Model transkripsi GPT-4o milik OpenAI melaporkan tingkat kesalahan kata yang lebih baik berdasarkan evaluasi mereka sendiri.
Memulai
Buat API key
Buat kunci di Console, gunakan untuk semua model di platform.
Kirim permintaan pertama Anda
Salin contoh untuk bahasa Anda dan jalankan terhadap endpoint tersebut.
Suara ke teksEndpoint 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"
Parameter
Suara ke teks
| Parameter | Nilai dan batas | Nilai bawaan | Catatan |
|---|---|---|---|
file | Jumlah masukan: ≥ 1, ≤ 1 | Tidak disediakan | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | Tidak disediakan | Tidak disediakan | 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. |
Penetapan Harga
Harga Verified berlaku untuk Verified yang lebih murah di sebagian besar model. Harga Official adalah harga resmi dari pembuat model dan berlaku untuk rute Official yang lebih andal. Auto menagihkan biaya berdasarkan rute yang menyelesaikan permintaan.
Suara ke teks
per detik- Harga Official
- $0.0000308
- Harga Verified
- —
- Diskon
- —
| Harga Officialper detik | Harga Verifiedper detik | Diskon | |
|---|---|---|---|
| Suara ke teks | $0.0000308 | — | — |
Penggunaan & aktivitas
Tingkat keberhasilan adalah proporsi permintaan yang selesai. Latensi adalah berapa lama respons penuh berlangsung; P95 berarti 95% permintaan selesai dalam waktu tersebut.
Penggunaan & ketersediaan
24 jam terakhir- Permintaan
- Tingkat keberhasilan
- Latensi P95
- Total token
Data didasarkan pada permintaan pengguna gabungan, tidak termasuk pemeriksaan status.
Buka di Console
Buka Whisper large-v3 di Console dengan prompt siap diedit atau dikirim.
Bantu saya mencoba whisper-large-v3 dengan permintaan audio singkat di /v1/audio/transcriptions. Tampilkan hasil dan biayanya.
Skenario penggunaan
Transkripsi yang di-host sendiri
Jalankan speech-to-text di dalam jaringan pribadi untuk audio yang tidak boleh keluar dari lingkungan Anda.
Media multibahasa
Transkripsikan siaran, kuliah, atau video dalam banyak bahasa dengan satu checkpoint.
Konten bahasa Kanton
Gunakan token bahasa khusus untuk audio Hong Kong dan Guangdong alih-alih memperlakukannya sebagai bahasa Mandarin umum.
Penyelarasan subtitel
Hasilkan stempel waktu tingkat kata atau tingkat kalimat untuk mencocokkan teks transkrip dengan segmen video tertentu.
Contoh prompt
Transkripsikan klip radio Kanton ini dan simpan outputnya dalam bahasa Mandarin tertulis.
Transkripsikan rekaman pembicaraan konferensi bahasa Jerman ini dengan stempel waktu tingkat kalimat.
Transkripsikan wawancara rekaman lapangan dalam bahasa Portugis ini dan kembalikan sebagai teks biasa.
FAQ
Apa itu Whisper large-v3?
Ini adalah checkpoint Whisper bobot terbuka dengan 1,55 miliar parameter untuk pengenalan ucapan dan penerjemahan ucapan dalam 99 bahasa. Model ini dilatih menggunakan 1 juta jam audio berlabel lemah dan 4 juta jam audio berlabel semu.
Apa yang berubah dari large-v2?
Spektrogram input menggunakan 128 mel bin, bukan 80, token bahasa Kanton telah ditambahkan, dan kartu model melaporkan pengurangan kesalahan sebesar 10 hingga 20 persen di banyak bahasa.
Apa perbedaannya dengan whisper-large-v3-turbo?
Checkpoint turbo memangkas decoder dari 32 lapisan menjadi 4, sehingga proses dekode lebih cepat dengan sedikit penurunan kualitas. Whisper large-v3 mempertahankan decoder penuh untuk akurasi terbaik di antara keduanya.
Lisensi apa yang digunakannya?
Kartu model di Hugging Face mencantumkan Apache 2.0, yang mengizinkan penggunaan komersial dan hosting mandiri. Periksa sendiri kartu tersebut sebelum menggunakannya, karena lisensi dapat berbeda antar checkpoint Whisper.
Apakah ini sama dengan whisper-1?
Tidak. Whisper-1 adalah model API terkelola milik OpenAI, sedangkan large-v3 adalah checkpoint terbuka yang dirilis untuk diunduh. Keduanya berbagi keluarga Whisper tetapi merupakan penawaran yang terpisah.
Berapa biaya Whisper large-v3?
Di TokenLab, Whisper large-v3 dikenakan $0.0000308 per detik. Tabel harga di atas menampilkan rincian lengkap. Tarif bergantung pada unit penagihan, spesifikasi, dan penggunaan. Bandingkan kondisi yang sama dalam harga detail model; satu tarif tidak menentukan total biaya.
Endpoint mana yang harus digunakan Whisper large-v3?
Pakai https://api.tokenlab.sh/v1/audio/transcriptions sebagai default untuk Whisper large-v3. Jika format native penyedia didukung, API workbench juga menampilkan endpoint tersebut.
Operasi apa saja yang didukung Whisper large-v3?
Whisper large-v3 mendukung Suara ke teks. Pilih operasi di API workbench di atas untuk melihat endpoint dan contoh kode terkait.
Bandingkan Whisper large-v3
Sumber
Ditinjau 2 Okt 2026
