Whisper Large V3

Reconnaissance vocaleObsolèteNon disponible
par OpenAIID du modèle: whisper-large-v3

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

Statut
Non disponible
Entrée → Sortie
Audio → Texte
Développeur
OpenAI
Mis à jour
23 septembre 2026

Whisper Large V3 n'est actuellement pas disponible

Vous pouvez toujours consulter les détails sur cette page. Choisissez l'une des alternatives disponibles ci-dessous pour exécuter immédiatement un modèle comparable.

Voir les alternatives

Le fournisseur supprime progressivement ce modèle.

01

Modèles comparables

Tous dans cette catégorie
  • 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.

    ≈ 0,0034 $US/exécution

    Comparer Whisper Large V3 et Whisper
  • 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.

    ≈ 0,156 $US/exécution

    Comparer Whisper Large V3 et SeamlessM4T
02

Playground

Essayer Whisper Large V3

Pas de formulaire d'entrée

Actuellement indisponible

Actuellement indisponible.

Le playground est désactivé. Vous pouvez trouver des modèles comparables dans la même catégorie : Parcourir les alternatives

03

À propos de Whisper Large V3

RésuméAu 23 septembre 2026

Whisper Large V3 est un modèle de OpenAI dans la catégorie Reconnaissance vocale. Whisper Large V3 n'est actuellement pas disponible sur Railwail.

Arrière-plan

À propos de OpenAI

Fondée 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.

Visiter OpenAI

Architecture

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.

Paramètres
1.55B (Large v3)
Contexte
30 tokens

Capacités

  • 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

Entraînement et licence

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.

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

Tests de sécurité: 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.

Limitations connues

  • 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

Tarification

Actuellement indisponible. Il n'y a actuellement pas de prix pour ce modèle, il ne peut donc pas être exécuté.

05

API

Appelez Whisper Large V3 avec votre clé API Railwail. Utilisez cet ID de modèle dans la requête :

Actuellement indisponible

Le modèle n'a pas de prix vérifié ou est désactivé ; les appels API sont refusés.

06

Spécifications

ID du modèle
whisper-large-v3
Développeur
OpenAI
Entrée
Audio
Sortie
Texte
Formats de sortie
JSON, SRT, VTT
Cycle de vie
Obsolète
Taille du modèle
1.55B (Large v3)
Licence
MIT licence for code and weights; commercial use permitted.
Entrée du catalogue mise à jour
23 septembre 2026

Paramètres d'entrée

Entrées et paramètres du schéma d'entrée du modèle. L'exemple dans la section API montre lesquels l'API accepte.

  • fileObligatoire
    Type: Fichier
    Défaut: –
    Valeurs autorisées: audio/*
  • language
    Type: Texte
    Défaut: –
    Valeurs autorisées: –

Étiquettes

  • multilingual
  • popular
07

Prompts d'exemple

Exemples du catalogue Railwail. Ils n'ont pas été générés en direct sur cette page.
  • Meeting Notes

    Afficher la réponse d'exemple

    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

    Afficher la réponse d'exemple

    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

Cas d'usage

À quoi ça sert

  • 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

Questions fréquemment posées

Qu'est-ce que Whisper Large V3 ?

Whisper Large V3 est un modèle de OpenAI dans la catégorie Reconnaissance vocale. Il est répertorié sur Railwail mais ne peut pas être exécuté pour le moment.

Combien coûte Whisper Large V3 sur Railwail ?

Whisper Large V3 ne peut pas être exécuté sur Railwail pour le moment, il n'y a donc pas de prix actuel. Les alternatives disponibles avec leurs prix sont listées plus bas sur cette page.

Quels paramètres Whisper Large V3 supporte-t-il ?

Selon son schéma d'entrée, Whisper Large V3 connaît ces paramètres : file (audio/*) et language.

Quelle est la vitesse de Whisper Large V3 ?

Il n'y a pas encore assez d'exécutions mesurées de Whisper Large V3 sur Railwail pour indiquer un temps d'exécution. Cela dépend de l'entrée, des paramètres et de la charge chez le fournisseur.

Whisper Large V3 est-il meilleur que Incredibly Fast Whisper ?

Cela dépend de la tâche. Whisper Large V3 (OpenAI) et Incredibly Fast Whisper (Community) sont tous deux des modèles de la catégorie Reconnaissance vocale. La page de comparaison affiche leurs prix et spécifications côte à côte.

Comparer Whisper Large V3 et Incredibly Fast Whisper

Puis-je utiliser Whisper Large V3 maintenant ?

Actuellement indisponible. La page reste en ligne ; les alternatives disponibles de la même catégorie sont listées plus bas.

Tous les modèles via une seule API

Une clé API pour tous les modèles sur Railwail. L'utilisation est facturée à partir de crédits prépayés, 1 crédit = 0,01 $US.