OpenAI: Whisper large-v3
whisper-large-v3- 가격
- 부터 $0.000031
- 모달리티
- 오디오
Whisper large-v3 소개
Whisper large-v3는 약 15억 5천만 개의 파라미터를 가진 OpenAI의 Whisper 음성 인식 모델의 오픈 웨이트 체크포인트입니다. 약 100만 시간의 약라벨링(weakly labeled) 오디오와 400만 시간의 의사라벨링(pseudo-labeled) 오디오로 학습되었으며, 99개 언어를 지원하고 128개의 멜 빈(mel bins)과 광둥어 전용 토큰을 사용합니다. OpenAI는 large-v2 대비 오류가 10~20% 감소했다고 보고했으며, 모델 카드에는 Apache 2.0 라이선스가 명시되어 있습니다.
강점
- 직접 호스팅할 수 있는 오픈 웨이트 모델로, 오디오 데이터를 자체 인프라 내에서 유지할 수 있습니다.
- 다양한 언어에 걸쳐 large-v2 대비 10~20%의 오류 감소율을 보입니다.
- 99개 언어를 지원하며, 이번 버전에서 추가된 광둥어 전용 토큰을 포함합니다.
- 정렬을 위해 단어 단위 및 문장 단위 타임스탬프를 생성할 수 있습니다.
다른 모델이 필요한 경우
- 풀 사이즈 모델이므로 turbo 변형 모델보다 디코딩 속도가 느리고 더 많은 메모리가 필요합니다.
- 화자 라벨이나 스트리밍 인터페이스가 없는 일반 전사(transcription) 체크포인트입니다.
- OpenAI의 GPT-4o 전사 모델이 자체 평가에서 더 나은 단어 오류율(WER)을 기록하고 있습니다.
시작하기
API 키 만들기
Console에서 키를 만들고 플랫폼의 모든 모델에 사용하세요.
첫 번째 요청 보내기
사용 중인 언어의 예시를 복사하여 엔드포인트에 실행하세요.
음성-텍스트 변환TokenLab 엔드포인트POST/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"
매개변수
음성-텍스트 변환
| 매개변수 | 값 및 제한 | 기본값 | 참고 |
|---|---|---|---|
file | 입력 수: ≥ 1, ≤ 1 | 제공되지 않음 | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | 제공되지 않음 | 제공되지 않음 | 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. |
가격 책정
Verified 가격은 Verified에 적용되며 대부분의 모델에서 더 저렴합니다. Official 가격은 모델 제조사가 공개한 가격으로, 더 안정적인 Official 경로에 적용됩니다. Auto는 요청을 완료한 경로의 가격으로 청구합니다.
음성-텍스트 변환
초당- Official 가격
- $0.0000308
- Verified 가격
- —
- 할인
- —
| Official 가격초당 | Verified 가격초당 | 할인 | |
|---|---|---|---|
| 음성-텍스트 변환 | $0.0000308 | — | — |
사용량 및 활동
성공률은 완료된 요청의 비율입니다. 지연 시간은 전체 응답에 걸리는 시간이며, P95는 요청의 95%가 해당 시간 내에 완료되었음을 의미합니다.
사용량 및 가용성
지난 24시간- 요청
- 성공률
- P95 지연 시간
- 총 토큰
데이터는 상태 확인을 제외한 집계된 사용자 요청을 기반으로 합니다.
Console에서 열기
Console에서 Whisper large-v3을 열고 프롬프트를 수정하거나 전송하세요.
/v1/audio/transcriptions에서 whisper-large-v3로 짧은 오디오 요청을 테스트합니다. 결과와 비용을 확인하세요.
사용 사례
자체 호스팅 전사
외부로 유출되어서는 안 되는 오디오 데이터를 위해 사설 네트워크 내에서 음성 인식(speech-to-text)을 실행하세요.
다국어 미디어
단일 체크포인트로 다양한 언어의 방송, 강의 또는 영상을 전사하세요.
광둥어 콘텐츠
홍콩 및 광둥 지역 오디오를 일반 중국어로 처리하지 않고, 전용 언어 토큰을 사용하여 처리하세요.
자막 정렬
단어 또는 문장 단위 타임스탬프를 생성하여 전사 텍스트를 특정 영상 구간에 맞추세요.
프롬프트 예제
이 광둥어 라디오 클립을 전사하고 결과물을 중국어 문자로 유지하세요.
이 독일어 컨퍼런스 강연을 문장 단위 타임스탬프와 함께 전사하세요.
이 현장 인터뷰 녹음 파일을 포르투갈어로 전사하고 일반 텍스트로 반환하세요.
FAQ
Whisper large-v3란 무엇인가요?
99개 언어에 걸친 음성 인식 및 음성 번역을 위한 15억 5천만 파라미터 규모의 오픈 웨이트 Whisper 체크포인트입니다. 100만 시간의 약라벨링 오디오와 400만 시간의 의사라벨링 오디오로 학습되었습니다.
large-v2에서 무엇이 변경되었나요?
입력 스펙트로그램이 80개가 아닌 128개의 멜 빈을 사용하며, 광둥어 언어 토큰이 추가되었습니다. 모델 카드에 따르면 많은 언어에서 10~20%의 오류 감소율을 보입니다.
whisper-large-v3-turbo와는 어떻게 다른가요?
Turbo 체크포인트는 디코더를 32개 레이어에서 4개로 줄여 약간의 품질 저하를 감수하고 디코딩 속도를 높였습니다. Whisper large-v3는 전체 디코더를 유지하여 두 모델 중 더 높은 정확도를 제공합니다.
어떤 라이선스를 사용하나요?
Hugging Face의 모델 카드에는 상업적 이용과 자체 호스팅이 가능한 Apache 2.0이 명시되어 있습니다. Whisper 체크포인트마다 라이선스가 다를 수 있으므로 배포 전 직접 확인하시기 바랍니다.
whisper-1과 동일한 모델인가요?
아니요. Whisper-1은 OpenAI의 관리형 API 모델이며, large-v3는 다운로드용으로 공개된 오픈 체크포인트입니다. 같은 Whisper 제품군이지만 별개의 서비스입니다.
Whisper large-v3 의 가격은 얼마인가요?
TokenLab 에서 Whisper large-v3 은 $0.0000308 초당 입니다. 자세한 내역은 위 가격 표를 확인하세요. 요금은 청구 단위, 사양, 사용량에 따라 달라집니다. 모델의 상세 요금에서 동일한 조건끼리 비교하세요. 단일 요금으로 총비용이 결정되지 않습니다.
Whisper large-v3 은 어떤 엔드포인트를 써야 하나요?
Whisper large-v3에 대해 https://api.tokenlab.sh/v1/audio/transcriptions를 사용하세요. 아래 요청 예시는 일치하는 코드 형태를 보여줍니다.
Whisper large-v3 은 어떤 오퍼레이션을 지원하나요?
Whisper large-v3은(는) 음성-텍스트 변환을(를) 지원합니다. 엔드포인트와 요청 예시를 보려면 위에서 작업을 선택하세요.
Whisper large-v3 비교하기
출처
2026. 10. 2. 검토 완료
