OpenAI: Whisper large-v3
whisper-large-v3- 價格
- 起 $0.000031
- 模態
- 音訊
關於 Whisper large-v3
Whisper large-v3 是 OpenAI Whisper 語音辨識模型的開放權重檢查點（checkpoint），擁有約 15.5 億個參數。它使用約 100 萬小時的弱標註音訊和 400 萬小時的偽標註音訊進行訓練，支援 99 種語言，並使用 128 個梅爾頻譜（mel bins）以及一個粵語語言標記。OpenAI 指出，其錯誤率比 large-v2 低 10% 到 20%，模型卡片上標註為 Apache 2.0 授權。
適用場景
- 開放權重，可自行託管，將音訊保留在您自己的基礎設施內。
- 據報告，在多種語言中，錯誤率較 large-v2 降低了 10% 到 20%。
- 涵蓋 99 種語言，包括此版本新增的專用粵語標記。
- 可產生用於對齊的單字級和句子級時間戳記。
其他選擇建議
- 這是一個完整大小的模型，因此解碼速度較慢，且比 turbo 變體需要更多記憶體。
- 這是一個純轉錄檢查點，沒有說話者標籤，也沒有串流介面。
- OpenAI 的 GPT-4o 轉錄模型在他們自己的評估中報告了更好的字詞錯誤率。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
語音轉文字TokenLab 端點POST/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"
參數設定
語音轉文字
| 參數 | 可選值與限制 | 預設值 | 說明 |
|---|---|---|---|
file | 輸入數量：≥ 1, ≤ 1 | 未提供 | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | 未提供 | 未提供 | 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. |
定價
Verified 價格用於 Verified，多數模型更便宜；Official 價格是模型廠商公布的價格，用於更穩定的 Official。Auto 按最終完成請求的線路計價。
語音轉文字
每秒- Official 價格
- $0.0000308
- Verified 價格
- —
- 折扣
- —
| Official 價格每秒 | Verified 價格每秒 | 折扣 | |
|---|---|---|---|
| 語音轉文字 | $0.0000308 | — | — |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 Whisper large-v3，並準備好編輯或發送提示詞。
協助我使用 whisper-large-v3 透過 /v1/audio/transcriptions 進行音訊請求，並顯示結果與成本。
應用情境
自託管轉錄
在私人網路內執行語音轉文字，適用於無法離開您環境的音訊。
多語言媒體
使用單一檢查點轉錄多種語言的廣播、講座或影片。
粵語內容
使用專用語言標記處理香港和廣東的音訊，而非將其視為通用中文。
字幕對齊
產生單字級或句子級時間戳記，用於將轉錄文字與特定影片片段進行匹配。
提示詞範例
轉錄這段粵語廣播片段，並以書面中文保留輸出結果。
轉錄這場德語會議演講，並附上句子級時間戳記。
轉錄這段葡萄牙語實地採訪錄音，並返回純文字。
FAQ
什麼是 Whisper large-v3？
它是擁有 15.5 億參數的開放權重 Whisper 檢查點，用於 99 種語言的語音辨識與語音翻譯。它使用 100 萬小時的弱標註音訊和 400 萬小時的偽標註音訊進行訓練。
與 large-v2 相比有什麼變化？
輸入頻譜使用 128 個梅爾頻譜而非 80 個，新增了粵語語言標記，且模型卡片報告在多種語言中錯誤率降低了 10% 到 20%。
它與 whisper-large-v3-turbo 有何不同？
Turbo 檢查點將解碼器從 32 層減少到 4 層，解碼速度更快，但品質略有下降。Whisper large-v3 保留了完整的解碼器，以獲得兩者中最佳的準確度。
它使用什麼授權？
Hugging Face 上的模型卡片列出 Apache 2.0 授權，允許商業使用和自託管。在發布前請自行檢查卡片，因為不同 Whisper 檢查點之間的授權可能有所不同。
它與 whisper-1 相同嗎？
不相同。Whisper-1 是 OpenAI 的託管 API 模型，而 large-v3 是發布供下載的開放檢查點。它們同屬 Whisper 系列，但屬於不同的產品。
Whisper large-v3 的費用是多少？
在 TokenLab 上，Whisper large-v3 價格為 $0.0000308 每秒。完整明細見上方價格表。 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
Whisper large-v3 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/audio/transcriptions 進行 Whisper large-v3 的呼叫。下方的請求範例展示了對應的程式碼格式。
Whisper large-v3 支援哪些操作？
Whisper large-v3 支援 語音轉文字。請在上方選擇一項操作以查看其端點與請求範例。
比較 Whisper large-v3
來源
更新於 2026年10月2日
