Whisper Large V3

Kalbos į tekstąNutraukiamaNeprieinama
iš OpenAIModelio ID: whisper-large-v3

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

Būsena
Neprieinama
Įvestis → išvestis
Garsas → Tekstas
Kūrėjas
OpenAI
Atnaujinta
2026 m. rugsėjo 23 d.

Whisper Large V3 šiuo metu neprieinamas

Šiame puslapyje galite perskaityti išsamią informaciją. Norėdami iš karto paleisti panašų modelį, pasirinkite vieną iš žemiau pateiktų prieinamų alternatyvų.

Į alternatyvas

Teikėjas šį modelį nutraukia.

01

Panašūs modeliai

Visi šioje kategorijoje
  • 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 USD/paleidimas

    Palyginti Whisper Large V3 ir 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.

02

Žaidimų aikštelė

Išbandyti Whisper Large V3

Nėra įvesties formos

Šiuo metu neprieinamas

Šiuo metu nepasiekiama.

Žaidimų aikštelė išjungta. Panašius modelius rasite toje pačioje kategorijoje: Peržiūrėti alternatyvas

03

Apie Whisper Large V3

TrumpaiNuo 2026 m. rugsėjo 23 d.

Whisper Large V3 yra OpenAI modelis iš Kalbos į tekstą kategorijos. Whisper Large V3 šiuo metu nėra prieinamas per Railwail.

Fonas

Apie OpenAI

Įkurta 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.

Apsilankyti OpenAI

Architektūra

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.

Parametrai
1.55B (Large v3)
Kontekstas
30 žetonų

Galimybės

  • 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

Mokymas ir licencija

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.

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

Saugumo testai: 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.

Žinomos ribotybės

  • 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

Kainos

Šiuo metu nepasiekiama. Šiuo metu šiam modeliui nėra nustatytos kainos, todėl jo negalima paleisti.

05

API

Iškvieskite Whisper Large V3 naudodami savo Railwail API raktą. Šioje užklausoje naudokite šią modelio ID:

Šiuo metu nepasiekiama

Modelis neturi patikrintos kainos arba yra išjungtas; API skambučiai atmetami.

06

Specifikacijos

Modelio ID
whisper-large-v3
Kūrėjas
OpenAI
Įvestis
Garsas
Išvestis
Tekstas
Išvesties formatai
JSON, SRT, VTT
Ciklas
Nutraukiama
Modelio dydis
1.55B (Large v3)
Licencija
MIT licence for code and weights; commercial use permitted.
Katalogo įrašas atnaujintas
2026 m. rugsėjo 23 d.

Įvesties parametrai

Įvestys ir nustatymai iš modelio įvesties schemos. API sekcijoje pateiktas pavyzdys rodo, kuriuos iš jų priima API.

  • fileprivalomas
    Tipas: Failas
    Numatytasis: –
    Leidžiamos reikšmės: audio/*
  • language
    Tipas: Tekstas
    Numatytasis: –
    Leidžiamos reikšmės: –

Žymos

  • multilingual
  • popular
07

Pavyzdiniai užklausos tekstai

Pavyzdžiai iš Railwail katalogo. Jie nebuvo sugeneruoti tiesiogiai šiame puslapyje.
  • Meeting Notes

    Rodyti pavyzdinį atsakymą

    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

    Rodyti pavyzdinį atsakymą

    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

Panaudojimo atvejai

Kam tai naudojama

  • 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

Dažnai užduodami klausimai

Kas yra Whisper Large V3?

Whisper Large V3 yra OpenAI modelis iš Kalbos į tekstą kategorijos. Jis yra Railwail kataloge, tačiau šiuo metu negali būti paleistas.

Kiek kainuoja Whisper Large V3 Railwail?

Whisper Large V3 šiuo metu negali būti paleistas Railwail, todėl nėra dabartinės kainos. Toliau šiame puslapyje pateikiamos galimos alternatyvos su kainomis.

Kokius nustatymus palaiko Whisper Large V3?

Pagal jos įvesties schemą, Whisper Large V3 žino šiuos parametrus: file (audio/*) ir language.

Koks yra Whisper Large V3 greitis?

Whisper Large V3 Railwail platformoje dar nėra pakankamai išmatuotų vykdymų, kad būtų galima nurodyti vykdymo laiką. Jis priklauso nuo įvesties, nustatymų ir teikėjo apkrovos.

Ar Whisper Large V3 geriau nei Incredibly Fast Whisper?

Tai priklauso nuo užduoties. Whisper Large V3 (OpenAI) ir Incredibly Fast Whisper (Community) yra abu modeliai iš Kalbos į tekstą kategorijos. Palyginimo puslapyje jų kainos ir specifikacijos rodomos viena šalia kitos.

Palyginti Whisper Large V3 ir Incredibly Fast Whisper

Ar dabar galiu naudoti Whisper Large V3?

Šiuo metu nepasiekiama. Puslapis lieka aktyvus; toliau pateikiamos galimos alternatyvos iš tos pačios kategorijos.

Visi modeliai per vieną API

Vienas API raktas visiems Railwail modeliams. Naudojimas apmokestinamas iš iš anksto nupirktų kreditų, 1 kreditas = 0,01 USD.