OpenAI: Whisper large-v3
whisper-large-v3- Preço
- A partir de $0.000031
- Modalidades
- Áudio
Sobre o Whisper large-v3
Whisper large-v3 é o checkpoint de pesos abertos do modelo de reconhecimento de fala Whisper da OpenAI, com cerca de 1,55 bilhão de parâmetros. Ele foi treinado em aproximadamente 1 milhão de horas de áudio fracamente rotulado e 4 milhões de horas de áudio pseudo-rotulado, suporta 99 idiomas e utiliza 128 mel bins, além de um token para o idioma cantonês. A OpenAI relata de 10 a 20 por cento menos erros do que o large-v2, e o cartão do modelo lista uma licença Apache 2.0.
Pontos fortes
- Pesos abertos que você pode hospedar por conta própria, mantendo o áudio dentro da sua própria infraestrutura.
- Redução de erro relatada de 10 a 20 por cento em relação ao large-v2 em uma ampla gama de idiomas.
- Cobre 99 idiomas, incluindo um token dedicado para cantonês adicionado nesta versão.
- Pode produzir carimbos de data/hora (timestamps) em nível de palavra e de frase para alinhamento.
Quando usar outro modelo
- É um modelo de tamanho completo, portanto, decodifica mais lentamente e precisa de mais memória do que a variante turbo.
- É um checkpoint de transcrição simples, sem etiquetas de locutor e sem interface de streaming.
- Os modelos de transcrição GPT-4o da OpenAI relatam melhores taxas de erro de palavra em suas próprias avaliações.
Primeiros passos
Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.
Envie sua primeira requisição
Copie o exemplo para sua linguagem e execute-o no endpoint.
Fala para textoEndpoint do 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"
Parâmetros
Fala para texto
| Parâmetro | Valores e limites | Padrão | Notas |
|---|---|---|---|
file | Entradas: ≥ 1, ≤ 1 | Não fornecido | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | Não fornecido | Não fornecido | 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. |
Preço
O preço Verified vale para o Verified, que custa menos na maioria dos modelos. O preço Official é o preço publicado pelo fabricante do modelo e vale para a rota Official, mais confiável. O Auto cobra pela rota que conclui a solicitação.
Fala para texto
por segundo- Preço Official
- $0.0000308
- Preço Verified
- —
- Desconto
- —
| Preço Officialpor segundo | Preço Verifiedpor segundo | Desconto | |
|---|---|---|---|
| Fala para texto | $0.0000308 | — | — |
Uso e atividade
A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.
Uso e disponibilidade
Últimas 24 horas- Requisições
- Taxa de sucesso
- Latência P95
- Total de tokens
Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.
Abrir no Console
Abra Whisper large-v3 no Console com um prompt pronto para editar ou enviar.
Ajude-me a testar whisper-large-v3 com uma solicitação de áudio em /v1/audio/transcriptions. Exiba o resultado e custo.
Casos de uso
Transcrição auto-hospedada
Execute conversão de fala em texto dentro de uma rede privada para áudios que não podem sair do seu ambiente.
Mídia multilíngue
Transcreva transmissões, palestras ou vídeos em muitos idiomas com um único checkpoint.
Conteúdo em cantonês
Use o token de idioma dedicado para áudios de Hong Kong e Guangdong em vez de tratá-lo como chinês genérico.
Alinhamento de legendas
Produza carimbos de data/hora em nível de palavra ou frase para combinar o texto da transcrição com segmentos de vídeo específicos.
Exemplos de prompt
Transcreva este clipe de rádio em cantonês e mantenha a saída em chinês escrito.
Transcreva esta palestra de conferência em alemão com carimbos de data/hora em nível de frase.
Transcreva esta entrevista de gravação de campo em português e retorne texto simples.
FAQ
O que é o Whisper large-v3?
É o checkpoint do Whisper de pesos abertos com 1,55 bilhão de parâmetros para reconhecimento e tradução de fala em 99 idiomas. Ele foi treinado em 1 milhão de horas de áudio fracamente rotulado e 4 milhões de horas de áudio pseudo-rotulado.
O que mudou em relação ao large-v2?
O espectrograma de entrada usa 128 mel bins em vez de 80, um token de idioma cantonês foi adicionado e o cartão do modelo relata uma redução de erro de 10 a 20 por cento em muitos idiomas.
Como ele é diferente do whisper-large-v3-turbo?
O checkpoint turbo reduz o decodificador de 32 camadas para 4, decodificando mais rápido com uma pequena perda de qualidade. O Whisper large-v3 mantém o decodificador completo para a melhor precisão entre os dois.
Qual licença ele usa?
O cartão do modelo no Hugging Face lista Apache 2.0, que permite uso comercial e auto-hospedagem. Verifique o cartão você mesmo antes de implementar, já que as licenças podem diferir entre os checkpoints do Whisper.
É o mesmo que o whisper-1?
Não. O Whisper-1 é o modelo de API gerenciado da OpenAI, enquanto o large-v3 é o checkpoint aberto lançado para download. Eles compartilham a família Whisper, mas são ofertas separadas.
Quanto custa o Whisper large-v3?
No TokenLab, Whisper large-v3 custa $0.0000308 por segundo. A tabela de preços acima mostra o detalhamento completo. As tarifas dependem da unidade de cobrança, da especificação e do uso. Compare condições iguais no preço detalhado do modelo; uma única tarifa não determina o custo total.
Qual endpoint o Whisper large-v3 deve usar?
Use https://api.tokenlab.sh/v1/audio/transcriptions para Whisper large-v3. O exemplo de requisição abaixo mostra o formato de código correspondente.
Quais operações o Whisper large-v3 suporta?
Whisper large-v3 suporta Fala para texto. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.
Comparar Whisper large-v3
Fontes
Revisado em 2 de out. de 2026
