- 价格
- 起 $0.000031
- 模态
- 音频
Whisper large-v3 简介
Whisper large-v3 是 OpenAI Whisper 语音识别模型的开源权重检查点，约 15.5 亿参数。它用约 100 万小时弱标注音频和 400 万小时伪标注音频训练，支持 99 种语言，使用 128 个梅尔频带并新增了粤语语言标记。OpenAI 称其错误率比 large-v2 低 10% 到 20%，模型卡标注的许可证为 Apache 2.0。
擅长的任务
- 开源权重，可以自行部署，音频不出你自己的基础设施。
- 据报告，在多种语言上比 large-v2 错误率降低 10% 到 20%。
- 覆盖 99 种语言，包括本版本新增的粤语专用标记。
- 可以输出词级和句级时间戳，用于对齐。
什么情况换别的模型
- 它是完整尺寸的模型，解码比 turbo 版本更慢，也需要更多内存。
- 它是纯转写检查点，不带说话人标签，也没有流式接口。
- OpenAI 称其 GPT-4o 转写模型在自己的评测中词错误率更好。
快速上手
创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。
发送第一个请求
复制你所用语言的示例代码，向该端点发起请求。
语音转文字TokenLab 端点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"
参数
语音转文字
| 参数 | 可选值与限制 | 默认值 | 说明 |
|---|---|---|---|
file | 输入数量：≥ 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. |
价格
Verified 价格用于 Verified，多数模型更便宜；Official 价格是模型厂商公布的价格，用于更稳定的 Official。Auto 按最终完成请求的线路计价。
语音转文字
每秒- Official 价格
- $0.0000308
- Verified 价格
- —
- 折扣
- —
| Official 价格每秒 | Verified 价格每秒 | 折扣 | |
|---|---|---|---|
| 语音转文字 | $0.0000308 | — | — |
用量与动态
成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。
用量与可用性
最近 24 小时- 请求
- 成功率
- P95 延迟
- 总 token 数
数据来自汇总的用户请求，不含状态检查。
直接在 Console 里试
Whisper large-v3 已在 Console 备好，提示词已填好，可以直接修改或发送。
帮我用 whisper-large-v3 发起一条简短的音频请求，接口是 /v1/audio/transcriptions。返回结果和费用。
使用场景
自托管转写
在私有网络内运行语音转文字，处理不能离开你环境的音频。
多语言媒体
用同一个检查点转写多种语言的广播、讲座或视频。
粤语内容
对香港和广东的音频使用专用语言标记，而不是当作普通中文处理。
字幕对齐
生成词级或句级时间戳，把转写文本对应到具体的视频片段。
提示词示例
转写这段粤语电台节目，输出书面中文。
转写这场德语会议演讲，带句级时间戳。
转写这段葡萄牙语的现场采访录音，返回纯文本。
FAQ
Whisper large-v3 是什么？
它是 Whisper 的开源权重检查点，15.5 亿参数，用于 99 种语言的语音识别和语音翻译。训练数据为 100 万小时弱标注音频和 400 万小时伪标注音频。
相比 large-v2 有什么变化？
输入频谱图用 128 个梅尔频带取代原来的 80 个，新增了粤语语言标记，模型卡称在多种语言上错误率降低 10% 到 20%。
和 whisper-large-v3-turbo 有什么区别？
turbo 检查点把解码器从 32 层裁到 4 层，解码更快，质量略有损失。Whisper large-v3 保留完整解码器，是两者中准确度最高的。
它使用什么许可证？
Hugging Face 上的模型卡标注为 Apache 2.0，允许商用和自托管。不同 Whisper 检查点的许可证可能不同，上线前请自己核对模型卡。
它和 whisper-1 是同一个吗？
不是。whisper-1 是 OpenAI 的托管 API 模型，large-v3 是发布供下载的开源检查点。两者同属 Whisper 家族，但是各自独立的产品。
Whisper large-v3 的费用是多少？
在 TokenLab 上，Whisper large-v3 的价格为 $0.0000308 每秒。完整明细见上方价格表。 价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。
Whisper large-v3 应该使用哪个端点？
Whisper large-v3 使用 https://api.tokenlab.sh/v1/audio/transcriptions。代码写法见下方的请求示例。
Whisper large-v3 支持哪些操作？
Whisper large-v3 支持 语音转文字。选了操作，上面会显示对应的端点和请求示例。
Whisper large-v3 对比
资料来源
审阅于 2026年10月2日
