OpenAI: Whisper large-v3

Open Whisper checkpoint cho việc phiên âm và tạo phụ đề đa ngôn ngữ mạnh mẽ

whisper-large-v3

Sẵn sàngOpenAIChuyển đổi giọng nói thành văn bảnĐồng bộ

Giá: Từ $0.000031
Phương thức: Âm thanh

Về Whisper large-v3

Whisper large-v3 là checkpoint mã nguồn mở của mô hình nhận dạng giọng nói Whisper từ OpenAI, với khoảng 1,55 tỷ tham số. Mô hình được huấn luyện trên khoảng 1 triệu giờ âm thanh được gán nhãn yếu và 4 triệu giờ âm thanh được gán nhãn giả, hỗ trợ 99 ngôn ngữ và sử dụng 128 mel bin cùng một token ngôn ngữ Quảng Đông. OpenAI báo cáo tỷ lệ lỗi thấp hơn từ 10 đến 20 phần trăm so với large-v2, và thẻ mô hình (model card) liệt kê giấy phép Apache 2.0.

Ưu điểm

Mã nguồn mở mà bạn có thể tự lưu trữ, giúp giữ dữ liệu âm thanh nằm trong cơ sở hạ tầng của riêng bạn.
Được báo cáo giảm 10 đến 20 phần trăm tỷ lệ lỗi so với large-v2 trên nhiều ngôn ngữ khác nhau.
Bao phủ 99 ngôn ngữ, bao gồm một token chuyên biệt cho tiếng Quảng Đông được thêm vào trong phiên bản này.
Có thể tạo dấu thời gian (timestamp) ở cấp độ từ và cấp độ câu để căn chỉnh.

Khi nào nên chọn model khác

Đây là mô hình kích thước đầy đủ, vì vậy tốc độ giải mã chậm hơn và cần nhiều bộ nhớ hơn so với biến thể turbo.
Đây là checkpoint chuyển đổi văn bản thuần túy, không có nhãn người nói và không có giao diện phát trực tuyến (streaming).
Các mô hình chuyển đổi văn bản GPT-4o của OpenAI báo cáo tỷ lệ lỗi từ tốt hơn trong các đánh giá của riêng họ.

Bắt đầu

Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.

Gửi yêu cầu đầu tiên của bạn

Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.

Giọng nói sang văn bảnĐiểm cuối TokenLab

POST/v1/audio/transcriptions

curl -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"

Tham số

Giọng nói sang văn bản

Tham số	Giá trị và giới hạn	Mặc định	Ghi chú
`file`	Số đầu vào: ≥ 1, ≤ 1	Chưa cung cấp	Send one audio file in multipart/form-data. Maximum file size is 25 MiB.
`language`	Chưa cung cấp	Chưa cung cấp	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.

Giá

Giá Verified áp dụng cho Verified, thường rẻ hơn trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho route Official ổn định hơn. Auto sẽ tính phí dựa trên route hoàn thành yêu cầu.

Giọng nói sang văn bản

mỗi giây

Giá Official: $0.0000308
Giá Verified: —
Giảm giá: —

	Giá Officialmỗi giây	Giá Verifiedmỗi giây	Giảm giá
Giọng nói sang văn bản	$0.0000308	—	—

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua

Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token

Hiệu năng mô hình

Cập nhật lần cuối 09:32 1 thg 11, 2026 UTC

Các chỉ số sẽ xuất hiện sau khi đạt ngưỡng về quyền riêng tư và khối lượng dữ liệu.

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở Whisper large-v3 trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi thử whisper-large-v3 với yêu cầu âm thanh ngắn tại /v1/audio/transcriptions. Hiển thị kết quả và chi phí.

Tình huống sử dụng

Chuyển đổi văn bản tự lưu trữ
Chạy tính năng chuyển giọng nói thành văn bản trong mạng nội bộ đối với các tệp âm thanh không được phép rời khỏi môi trường của bạn.
Đa phương tiện đa ngôn ngữ
Chuyển đổi các chương trình phát sóng, bài giảng hoặc video sang văn bản bằng nhiều ngôn ngữ với một checkpoint duy nhất.
Nội dung tiếng Quảng Đông
Sử dụng token ngôn ngữ chuyên biệt cho âm thanh từ Hồng Kông và Quảng Đông thay vì coi đó là tiếng Trung chung.
Căn chỉnh phụ đề
Tạo dấu thời gian ở cấp độ từ hoặc cấp độ câu để khớp văn bản chuyển đổi với các phân đoạn video cụ thể.

Ví dụ prompt

Chuyển đổi đoạn phát thanh tiếng Quảng Đông này và giữ kết quả đầu ra bằng chữ Hán.

Chuyển đổi bài phát biểu hội nghị tiếng Đức này với dấu thời gian cấp độ câu.

Chuyển đổi bài phỏng vấn ghi âm thực địa bằng tiếng Bồ Đào Nha này và trả về văn bản thuần túy.

FAQ

Whisper large-v3 là gì?

Đây là checkpoint Whisper mã nguồn mở với 1,55 tỷ tham số dùng cho nhận dạng giọng nói và dịch thuật giọng nói trên 99 ngôn ngữ. Mô hình được huấn luyện trên 1 triệu giờ âm thanh được gán nhãn yếu và 4 triệu giờ âm thanh được gán nhãn giả.

Có gì thay đổi so với large-v2?

Phổ đầu vào (input spectrogram) sử dụng 128 mel bin thay vì 80, một token ngôn ngữ Quảng Đông đã được thêm vào và thẻ mô hình báo cáo mức giảm lỗi từ 10 đến 20 phần trăm trên nhiều ngôn ngữ.

Nó khác biệt thế nào so với whisper-large-v3-turbo?

Checkpoint turbo cắt giảm bộ giải mã từ 32 lớp xuống còn 4, giúp giải mã nhanh hơn với mức giảm chất lượng không đáng kể. Whisper large-v3 giữ lại bộ giải mã đầy đủ để đạt độ chính xác cao nhất trong hai phiên bản.

Nó sử dụng giấy phép gì?

Thẻ mô hình trên Hugging Face liệt kê giấy phép Apache 2.0, cho phép sử dụng thương mại và tự lưu trữ. Hãy tự kiểm tra thẻ mô hình trước khi triển khai, vì giấy phép có thể khác nhau giữa các checkpoint Whisper.

Nó có giống với whisper-1 không?

Không. Whisper-1 là mô hình API được quản lý của OpenAI, trong khi large-v3 là checkpoint mã nguồn mở được phát hành để tải xuống. Chúng thuộc cùng dòng Whisper nhưng là các sản phẩm riêng biệt.

Whisper large-v3 có giá bao nhiêu?

Trên TokenLab, Whisper large-v3 có giá $0.0000308 mỗi giây. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

Whisper large-v3 nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1/audio/transcriptions làm mặc định cho Whisper large-v3. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

Whisper large-v3 hỗ trợ những thao tác nào?

Whisper large-v3 hỗ trợ Giọng nói sang văn bản. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.