OpenAI: Whisper large-v3 Turbo
whisper-large-v3-turbo- 價格
- 起 $0.000011
- 模態
- 音訊
關於 Whisper large-v3 Turbo
Whisper large-v3 Turbo 是 Whisper large-v3 的加速變體。除了解碼器從 32 層精簡為 4 層，使參數從 15.5 億減少至約 8.09 億外，其餘皆與原模型相同。模型卡顯示其推論速度更快，但品質略有下降。它涵蓋 99 種語言，並以 MIT 授權條款發布。
適用場景
- 四層解碼器（而非 32 層）使其在處理錄製音訊時，速度明顯快於 large-v3。
- 約 8.09 億的參數意味著自託管時所需的記憶體佔用更小。
- 保留了 large-v3 的 99 種語言覆蓋範圍，因此多語言工作負載無需更換其他模型。
- MIT 授權的權重允許廣泛的商業用途與修改。
其他選擇建議
- 模型卡指出其品質較 large-v3 略有下降，因此對於準確度要求極高的轉錄內容，可能仍需使用完整模型。
- 這是一個轉錄檢查點，不具備說話者分離（diarization）或即時串流介面。
- OpenAI 的 GPT-4o 轉錄模型在他們自己的測量中報告了更低的錯誤率。
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-turbo" \ -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
- $0.0000111
- Verified 價格
- —
- 折扣
- —
| Official 價格每秒 | Verified 價格每秒 | 折扣 | |
|---|---|---|---|
| 語音轉文字 | $0.0000111 | — | — |
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 Turbo，並準備好編輯或發送提示詞。
協助我使用 whisper-large-v3-turbo 透過 /v1/audio/transcriptions 進行音訊請求，並顯示結果與成本。
應用情境
快速批次轉錄
處理大量音訊積壓工作，且處理時間比極致的準確度更重要時使用。
近即時管線
快速處理短片段，以便在您託管的應用程式中實現滾動字幕。
成本意識的自託管
在比完整 large-v3 所需規格更小的 GPU 上運行模型，這在硬體預算有限時很有幫助。
初稿生成
建立快速的初步轉錄稿供人工編輯校對，而非從零開始轉錄。
提示詞範例
將這批兩百個短客服通話轉錄為純文字。
快速轉錄這場西班牙語網路研討會；草稿即可。
將這場會議錄音轉錄為我可以校對的文字。
FAQ
什麼是 Whisper large-v3 Turbo？
它是 Whisper large-v3 的精簡與微調版本，採用 4 層解碼器而非 32 層。它速度更快、體積更小，參數約為 8.09 億，代價是品質略有下降。
它比 large-v3 更好嗎？
它更快，但準確度並未提升。當吞吐量很重要時請使用它；當您需要完整解碼器以獲得最高準確度，且能接受較慢的處理速度與較大的記憶體佔用時，請使用 whisper-large-v3。
它支援多少種語言？
模型卡列出了 99 種多語言語音識別支援，與較大的檢查點覆蓋範圍相同，因此選擇此加速變體不會損失語言支援。
Whisper large-v3 Turbo 適用哪種授權？
Hugging Face 上的模型卡列出了 MIT 授權，允許商業用途。與任何開源檢查點一樣，在重新發布或基於其構建產品之前，請確認模型卡上的最新授權條款。
它會標記說話者嗎？
不會。它輸出的是沒有說話者標籤的純轉錄稿。若需對錄音進行說話者歸因，請使用 gpt-4o-transcribe-diarize，或在您自己的管線中執行獨立的說話者分離步驟。
Whisper large-v3 Turbo 的費用是多少？
在 TokenLab 上，Whisper large-v3 Turbo 價格為 $0.0000111 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 Turbo 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/audio/transcriptions 進行 Whisper large-v3 Turbo 的呼叫。下方的請求範例展示了對應的程式碼格式。
Whisper large-v3 Turbo 支援哪些操作？
Whisper large-v3 Turbo 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 Turbo
來源
更新於 2026年10月2日
