Whisper Large V3

Spracherkennung (STT)AuslaufendNicht verfügbar
von OpenAIModell-ID: whisper-large-v3

OpenAI's Whisper model. State-of-the-art speech recognition supporting 99+ languages.

Status
Nicht verfügbar
Eingabe → Ausgabe
Audio → Text
Entwickler
OpenAI
Aktualisiert
23. September 2026

Whisper Large V3 ist derzeit nicht verfügbar

Die Angaben auf dieser Seite kannst du weiter nachlesen. Mit einer der verfügbaren Alternativen unten kannst du sofort ein vergleichbares Modell nutzen.

Zu den Alternativen

Der Anbieter lässt dieses Modell auslaufen.

01

Vergleichbare Modelle

Alle dieser Kategorie
  • Whisper Large v3 wrapped with Hugging Face Transformers optimizations (batched inference, flash attention) for very high throughput. Transcribes hours of audio in minutes on a single GPU. Maintained by Vaibhav Srivastav. Good when you need bulk transcription fast.

  • WhisperOpenAI

    OpenAI's Whisper running on Replicate. General-purpose speech recognition trained on 680k hours of multilingual audio. Transcribes and translates 99 languages, robust to accents and background noise, and outputs plain text, segments, or word-level timestamps.

  • SeamlessM4TCommunity

    Meta's SeamlessM4T multimodal translation model. Takes speech or text input and produces transcription or translation across about 100 languages, including speech-to-text and speech-to-speech. One model covers ASR plus cross-lingual translation without chaining separate systems.

02

Playground

Whisper Large V3 ausprobieren

Keine Eingabemaske

Derzeit nicht verfügbar

Derzeit nicht verfügbar.

Der Playground ist deaktiviert. Vergleichbare Modelle findest du in derselben Kategorie: Alternativen ansehen

03

Über Whisper Large V3

Kurz gesagtStand: 23. September 2026

Whisper Large V3 ist ein Modell von OpenAI aus der Kategorie Spracherkennung (STT). Über Railwail ist Whisper Large V3 derzeit nicht verfügbar.

Hintergrund

Über OpenAI

Gegründet 2015 · San Francisco, California, USA

OpenAI was founded in December 2015 by Sam Altman, Elon Musk, Greg Brockman, Ilya Sutskever, Wojciech Zaremba and John Schulman, restructured to capped-profit OpenAI LP in 2019. Whisper was first released as an open-weights speech recognition model in September 2022 by Alec Radford, Jong Wook Kim, Tao Xu, Greg Brockman, Christine McLeavey and Ilya Sutskever, and quickly became the de-facto open ASR baseline thanks to its zero-shot multilingual quality. Whisper Large v3 was released in November 2023 alongside the GPT-4 Turbo launch as the final open checkpoint in the original Whisper line. OpenAI later released Whisper Large v3 Turbo (October 2024), a distilled faster variant. All Whisper weights remain available under MIT licence on GitHub and Hugging Face and are widely used in production by competitors.

OpenAI besuchen

Architektur

Encoder-decoder Transformer for multitask speech recognition

Whisper Large v3 is a 1.55B-parameter encoder-decoder Transformer trained for multitask audio understanding. Input is a 30-second log-mel spectrogram with 128 mel bins (up from 80 in v2) processed by a 32-layer audio encoder; the decoder is a 32-layer Transformer that emits special task tokens for language identification, transcription, translation-to-English and timestamp prediction. Whisper was trained on 5 million hours of audio in total: 680k hours of weakly supervised multilingual web audio for v1/v2 plus an additional 4 million hours of pseudo-labelled audio generated by Whisper Large v2 for v3, yielding approximately 1 million hours of weakly supervised and 4 million hours of pseudo-labelled data. The model covers 99 languages, with very strong performance on English long-form (~5% WER on LibriSpeech test-clean) and significantly improved low-resource coverage. Audio longer than 30 seconds is processed with a sliding window. The model is released under MIT licence.

Parameter
1.55B (Large v3)
Kontext
30 Token

Fähigkeiten

  • 99-language transcription with automatic language detection
  • Translation of any supported language directly to English text
  • Word-level and segment-level timestamps
  • 30-second context window with sliding window for long-form audio
  • Open weights under MIT licence, runs on a single 16 GB GPU in fp16
  • Strong robustness to accents, background noise and technical jargon
  • Best for: open-source ASR pipelines, research baselines, on-premise transcription

Training & Lizenz

5 million hours total: ~680k hours of weakly supervised multilingual audio scraped from the public web (subtitles aligned with audio) plus ~4 million hours of pseudo-labelled audio generated by Whisper Large v2. 17% of the supervised set is non-English speech.

Lizenz: MIT licence for code and weights; commercial use permitted.

Sicherheitstests: OpenAI published bias and hallucination analyses; the paper documents over-confident hallucination on silent or non-speech audio. No formal red-team report beyond the original paper.

Bekannte Grenzen

  • 30-second hard window requires chunking for long audio
  • Known to hallucinate transcripts on silent / music-only segments
  • WER on low-resource languages still much higher than English
  • No native diarisation (must be combined with pyannote)
  • Slow on CPU; requires GPU for real-time
04

Preise

Derzeit nicht verfügbar. Für dieses Modell gibt es derzeit keinen Preis, deshalb lässt es sich nicht ausführen.

05

API

Rufe Whisper Large V3 mit deinem Railwail-API-Schlüssel auf. Diese Modell-ID gehört in die Anfrage:

Derzeit nicht verfügbar

Das Modell hat keinen geprüften Preis oder ist deaktiviert; API-Aufrufe werden abgelehnt.

06

Spezifikationen

Modell-ID
whisper-large-v3
Entwickler
OpenAI
Eingabe
Audio
Ausgabe
Text
Ausgabeformate
JSON, SRT, VTT
Lebenszyklus
Auslaufend
Modellgrösse
1.55B (Large v3)
Lizenz
MIT licence for code and weights; commercial use permitted.
Katalogeintrag aktualisiert
23. September 2026

Eingabeparameter

Eingaben und Einstellungen laut Eingabeschema des Modells. Welche davon die API annimmt, zeigt das Beispiel im Abschnitt API.

  • filePflicht
    Typ: Datei
    Standard: –
    Erlaubte Werte: audio/*
  • language
    Typ: Text
    Standard: –
    Erlaubte Werte: –

Schlagwörter

  • multilingual
  • popular
07

Beispiel-Prompts

Beispiele aus dem Railwail-Katalog. Sie wurden nicht live auf dieser Seite erzeugt.
  • Meeting Notes

    Beispielantwort anzeigen

    Good morning everyone. Let's start with the sprint review. The authentication module shipped on Friday and we've had zero critical bugs reported so far. Sarah, can you walk us through the performance metrics? We're seeing a forty percent reduction in login latency which is well above our target.

  • Interview Transcript

    Beispielantwort anzeigen

    So tell me about your experience with distributed systems. I spent three years at a fintech startup building event-driven microservices using Kafka and Kubernetes. The biggest challenge was handling exactly-once delivery semantics across our payment processing pipeline. We ended up implementing an idempotency layer that reduced duplicate transactions by ninety-nine point nine percent.

08

Einsatzgebiete

Wofür es genutzt wird

  • Open-source transcription pipelines
  • Academic ASR research baselines
  • Multilingual podcast transcription
  • Translation of foreign-language audio to English
  • On-premise speech recognition for privacy-sensitive workloads
09

Häufige Fragen

Was ist Whisper Large V3?

Whisper Large V3 ist ein Modell von OpenAI aus der Kategorie Spracherkennung (STT). Es steht im Railwail-Katalog, lässt sich derzeit aber nicht ausführen.

Was kostet Whisper Large V3 bei Railwail?

Whisper Large V3 lässt sich über Railwail derzeit nicht ausführen, deshalb gibt es keinen aktuellen Preis. Verfügbare Alternativen mit Preisen stehen weiter unten auf dieser Seite.

Welche Einstellungen unterstützt Whisper Large V3?

Laut Eingabeschema kennt Whisper Large V3 diese Parameter: file (audio/*) und language.

Wie schnell ist Whisper Large V3?

Für Whisper Large V3 gibt es bei Railwail noch zu wenige gemessene Läufe, um eine Laufzeit anzugeben. Sie hängt von der Eingabe, den Einstellungen und der Auslastung beim Anbieter ab.

Ist Whisper Large V3 besser als Incredibly Fast Whisper?

Das hängt von der Aufgabe ab. Whisper Large V3 (OpenAI) und Incredibly Fast Whisper (Community) sind beide Modelle aus der Kategorie Spracherkennung (STT). Die Vergleichsseite zeigt Preise und Spezifikationen nebeneinander.

Whisper Large V3 und Incredibly Fast Whisper vergleichen

Kann ich Whisper Large V3 gerade nutzen?

Derzeit nicht verfügbar. Die Seite bleibt online; verfügbare Alternativen aus derselben Kategorie stehen weiter unten.

Alle Modelle über eine API

Ein API-Schlüssel für alle Modelle auf Railwail. Abgerechnet wird über vorab gekaufte Credits, 1 Credit = $ 0.01.