Whisper Large V3

Puhe tekstiksiPoistuvaEi saatavilla
kehittäjä: OpenAIMallin tunnus: whisper-large-v3

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

Tila
Ei saatavilla
Syöte → tulos
Audio → Teksti
Kehittäjä
OpenAI
Päivitetty
23. syyskuuta 2026

Whisper Large V3 ei ole tällä hetkellä saatavilla

Voit silti lukea tiedot tältä sivulta. Valitse yksi alla olevista saatavilla olevista vaihtoehdoista suorittaaksesi vertailukelpoisen mallin heti.

Siirry vaihtoehtoihin

Palveluntarjoaja poistaa tämän mallin käytöstä.

01

Vertailukelpoiset mallit

Kaikki tässä kategoriassa
  • 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

Leikkikenttä

Kokeile Whisper Large V3

Ei syötelomaketta

Ei tällä hetkellä saatavilla

Ei tällä hetkellä saatavilla.

Leikkikenttä on poistettu käytöstä. Vertailukelpoisia malleja löydät samasta kategoriasta: Selaa vaihtoehtoja

03

Tietoja: Whisper Large V3

Lyhyesti23. syyskuuta 2026 alkaen

Whisper Large V3 on OpenAI-kehittäjän malli kategoriasta Puhe tekstiksi. Whisper Large V3 ei ole tällä hetkellä saatavilla Railwailissa.

Tausta

Tietoja: OpenAI

Perustettu 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.

Vieraile sivustolla OpenAI

Arkkitehtuuri

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.

Parametrit
1.55B (Large v3)
Konteksti
30 tokenia

Ominaisuudet

  • 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

Koulutus ja lisenssi

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.

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

Turvallisuustestit: 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.

Tunnetut rajoitukset

  • 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

Hinnat

Ei tällä hetkellä saatavilla. Tällä hetkellä tälle mallille ei ole hintaa, joten sitä ei voi suorittaa.

05

API

Kutsu Whisper Large V3 Railwail-API-avaimellasi. Käytä tätä mallin tunnusta pyynnössä:

Tällä hetkellä ei saatavilla

Mallilla ei ole vahvistettua hintaa tai se on poistettu käytöstä; API-kutsut hylätään.

06

Tekniset tiedot

Mallin tunnus
whisper-large-v3
Kehittäjä
OpenAI
Syöte
Audio
Tuloste
Teksti
Tulosteen muodot
JSON, SRT, VTT
Elinkaari
Poistuva
Mallin koko
1.55B (Large v3)
Lisenssi
MIT licence for code and weights; commercial use permitted.
Luettelokirjaus päivitetty
23. syyskuuta 2026

Syöteparametrit

Mallin syötökaavion syötteet ja asetukset. API-osion esimerkki näyttää, mitkä niistä API hyväksyy.

  • filepakollinen
    Tyyppi: Tiedosto
    Oletus: –
    Sallitut arvot: audio/*
  • language
    Tyyppi: Teksti
    Oletus: –
    Sallitut arvot: –

Tunnisteet

  • multilingual
  • popular
07

Esimerkkikysymykset

Esimerkkejä Railwail-luettelosta. Niitä ei luotu live tällä sivulla.
  • Meeting Notes

    Näytä esimerkkivastaus

    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

    Näytä esimerkkivastaus

    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

Käyttötapaukset

Mihin sitä käytetään

  • 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

Usein kysytyt kysymykset

Mikä on Whisper Large V3?

Whisper Large V3 on OpenAIn kehittämä malli Puhe tekstiksi-kategoriassa. Se on listattu Railwailissa, mutta sitä ei voi tällä hetkellä suorittaa.

Paljonko Whisper Large V3 maksaa Railwailissa?

Whisper Large V3ta ei voi tällä hetkellä suorittaa Railwailissa, joten nykyistä hintaa ei ole. Saatavilla olevat vaihtoehdot hintojen kanssa on lueteltu tämän sivun alempana.

Mitä asetuksia Whisper Large V3 tukee?

Syötteen rakenteen mukaan Whisper Large V3 tuntee nämä parametrit: file (audio/*) ja language.

Kuinka nopea Whisper Large V3 on?

Whisper Large V3lla ei ole vielä tarpeeksi mitattuja suorituksia Railwailissa suoritusajan ilmoittamiseksi. Se riippuu syötteestä, asetuksista ja palveluntarjoajan kuormituksesta.

Onko Whisper Large V3 parempi kuin Incredibly Fast Whisper?

Se riippuu tehtävästä. Whisper Large V3 (OpenAI) ja Incredibly Fast Whisper (Community) ovat molemmat malleja Puhe tekstiksi-kategoriassa. Vertailussa näkyvät niiden hinnat ja tekniset tiedot rinnakkain.

Vertaa Whisper Large V3 ja Incredibly Fast Whisper

Voiko Whisper Large V3a käyttää juuri nyt?

Ei tällä hetkellä saatavilla. Sivu pysyy verkossa; saatavilla olevat vaihtoehdot samasta kategoriasta on lueteltu alempana.

Kaikki mallit yhden API:n kautta

Yksi API-avain kaikille Railwailin malleille. Käyttö laskutetaan prepaid-krediiteistä, 1 krediitti = 0,01 $.