OpenAI: Whisper large-v3 Turbo
whisper-large-v3-turbo- 价格
- 起 $0.000011
- 模态
- 音频
Whisper large-v3 Turbo 简介
Whisper large-v3 Turbo 是 Whisper large-v3 的加速版本。它与 large-v3 是同一个模型，只是解码器从 32 层裁剪到 4 层，参数量约 8.09 亿，而不是 15.5 亿。模型卡称，推理更快，代价是质量略有下降。支持 99 种语言，采用 MIT 许可证发布。
擅长的任务
- 解码器只有 4 层而不是 32 层，处理录制音频时明显比 large-v3 快。
- 约 8.09 亿参数，自托管时内存占用更小。
- 保留 large-v3 的 99 种语言覆盖，多语言场景无需换模型。
- MIT 许可的权重，允许广泛的商用和修改。
什么情况换别的模型
- 模型卡指出相比 large-v3 质量略有下降，对准确度要求高的转写可能仍应使用完整模型。
- 它是转写检查点，不带说话人区分，也没有实时流式接口。
- OpenAI 称其 GPT-4o 转写模型在自己的测评中错误率更低。
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-turbo" \ -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
- $0.0000111
- Verified 价格
- —
- 折扣
- —
| Official 价格每秒 | Verified 价格每秒 | 折扣 | |
|---|---|---|---|
| 语音转文字 | $0.0000111 | — | — |
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 Turbo 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-turbo 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
快速批量转写
处理大量积压音频，周转时间比最后一点准确度更重要。
近实时流水线
快速处理短音频块，为自己托管的应用提供滚动字幕。
控制成本的自托管
在比完整 large-v3 所需更小的 GPU 上运行，硬件预算有限时很有帮助。
初稿
先快速出一版转写稿，再由人工校对，而不是从零开始听写。
提示词示例
把这批两百条简短的客服通话转写成纯文本。
快速转写这场西班牙语网络研讨会，粗略的初稿就行。
把这段会议录音转写成文本，我来校对。
FAQ
Whisper large-v3 Turbo 是什么？
它是 Whisper large-v3 经过裁剪和微调的版本，解码器为 4 层而不是 32 层。更快、更小，约 8.09 亿参数，代价是质量略有下降。
它比 large-v3 更好吗？
它更快，而不是更准。吞吐量重要时用它；想要完整解码器带来的最高准确度、能接受更慢速度和更大内存占用时，用 whisper-large-v3。
支持多少种语言？
模型卡列出 99 种语言的多语言语音识别，与更大的检查点覆盖相同，选择更快的版本不会损失语言支持。
Whisper large-v3 Turbo 使用什么许可证？
Hugging Face 上的模型卡列出 MIT 许可证，允许商用。与任何开源检查点一样，再分发或基于它做产品之前，请先核对模型卡上的最新许可证文本。
能区分说话人吗？
不能。它输出不带说话人标签的纯文本转写。需要为录音标注说话人时，请使用 gpt-4o-transcribe-diarize，或在自己的流程中另加说话人分离步骤。
Whisper large-v3 Turbo 的费用是多少？
在 TokenLab 上，Whisper large-v3 Turbo 的价格为 $0.0000111 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 Turbo 应该使用哪个端点？
Whisper large-v3 Turbo 使用 https://api.tokenlab.sh/v1/audio/transcriptions。代码写法见下方的请求示例。
Whisper large-v3 Turbo 支持哪些操作？
Whisper large-v3 Turbo 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 Turbo 对比
资料来源
审阅于 2026年10月2日
