Whisper Large v3 Turbo

Говор во текстНедостапно
од OpenAIID на модел: whisper-large-v3-turbo

OpenAI's distilled Whisper Large v3. ~216x realtime, 99+ languages, MIT-licensed weights.

Статус
Недостапно
Влез → излез
Аудио → Текст
Развивач
OpenAI
Ажурирано
23 септември 2026 г.

Whisper Large v3 Turbo е моментално недостапен

Моментално недостапно: овој модел е деактивиран.

Можете да ги прочитате деталите на оваа страница. Изберете една од достапните алтернативи подолу за да извршите споредлив модел веднаш.

Оди на алтернативи
01
  • 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.

    ≈ 0,0056 US$/извршување

  • 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$/извршување

  • 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$/извршување

02

Playground

Пробајте Whisper Large v3 Turbo

Нема форма за влез

Тренутно недостапно

Моментално недостапно: овој модел е деактивиран.

Игралиштето е оневозможено. Слични модели можете да најдете во иста категорија: Погледни алтернативи

03

За Whisper Large v3 Turbo

НакраткоОд 23 септември 2026 г.

Whisper Large v3 Turbo е модел од OpenAI во категоријата Говор во текст. Whisper Large v3 Turbo моментално не е достапен на Railwail.

Позадина

За OpenAI

Основана 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 Large v3 Turbo was released in October 2024 as a distilled fast variant of Whisper Large v3, designed to deliver approximately 8x faster inference at near-identical accuracy by reducing the decoder depth from 32 to 4 layers. The release was led by the original Whisper authors (Alec Radford, Jong Wook Kim, Tao Xu) and remained under the MIT licence. Turbo was distributed via GitHub, the Hugging Face Hub and the OpenAI Whisper API as the new default model where supported, replacing many in-production deployments of Whisper Large v3 within weeks of launch.

Посетете OpenAI

Архитектура

Distilled encoder-decoder Transformer (4-layer decoder) for speech recognition

Whisper Large v3 Turbo is a distilled variant of Whisper Large v3 that keeps the same 32-layer audio encoder and 128-mel front-end but shrinks the decoder from 32 to just 4 Transformer layers, taking the total parameter count from 1.55B to 809M. The smaller decoder gives roughly 8x faster inference on long-form audio (and 4-5x faster on short clips) at a WER cost of approximately 0.5-1 percentage points on most benchmarks. The model was distilled on the same multilingual corpus as Large v3 (5 million hours total, of which 4 million are pseudo-labelled) with knowledge-distillation losses from the Large v3 teacher. Translation-to-English capability was deliberately removed to focus capacity on transcription quality. The 30-second sliding window, 99-language coverage and special task tokens are unchanged. Turbo runs in real-time on consumer GPUs (RTX 3060) and at 3-4x real-time on Apple Silicon CPUs via whisper.cpp.

Параметри
809M
Контекст
30 токени

Способности

  • 8x faster long-form transcription than Whisper Large v3
  • 99-language transcription with automatic language detection
  • Word-level timestamps preserved
  • Runs in real-time on a single consumer GPU (RTX 3060 / M2 Pro)
  • Half the memory footprint of Large v3 (809M vs 1.55B)
  • Open weights under MIT licence
  • Drop-in replacement for Large v3 in most pipelines
  • Best for: production ASR on commodity hardware, on-premise transcription, batch processing

Обука и лиценца

Distilled from Whisper Large v3 on the same 5-million-hour multilingual audio corpus with knowledge-distillation losses. Translation-to-English data was excluded.

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

Тестирање на безбедност: Inherits all hallucination and bias caveats from Whisper Large v3; no separate red-team report.

Познати ограничувања

  • No translation-to-English mode (transcription only)
  • WER 0.5-1 pp worse than Large v3 on average
  • Same 30-second hard window requires chunking
  • Same hallucination behaviour on silent / music-only audio
  • No native diarisation
04

Цени

Моментално недостапно: овој модел е деактивиран. Нема цена за овој модел во моментот, затоа не може да се извршува.

05

API

Повикајте го Whisper Large v3 Turbo со вашиот Railwail API клуч. Користете го овој ID на моделот во барањето:

Моментално недостапно

Моделот нема потврдена цена или е деактивиран; API повиците се отфрлаат.

06

Спецификации

ID на моделот
whisper-large-v3-turbo
Развивач
OpenAI
Категорија
Говор во текст
Влез
Аудио
Излез
Текст
Формати на излез
JSON, SRT, VTT
Животен циклус
Недостапно
Големина на модел
809M
Лиценца
MIT licence for code and weights; commercial use permitted.
Каталошка ставка ажурирана
23 септември 2026 г.

Параметри на влез

Влезови и поставки од шемата на влез на моделот. Примерот во делот API покажува кои од нив ги прифаќа API.

  • fileзадолжително

    URL or upload path to audio file

    Тип: Текст
    Стандардно: –
    Дозволени вредности: –
  • prompt

    Optional context to guide transcription

    Тип: Текст
    Стандардно: –
    Дозволени вредности: до 1.000 знаци
  • language

    Optional ISO-639-1 language code (e.g. en, de, fr)

    Тип: Текст
    Стандардно: –
    Дозволени вредности: –
  • temperature
    Тип: Број
    Стандардно: 0
    Дозволени вредности: 0 до 1
  • response_format
    Тип: Избор
    Стандардно: json
    Дозволени вредности: json, text, srt или vtt

Ознаки

  • openai
  • whisper
  • stt
  • transcription
  • open-weights
  • multilingual
  • per-minute
07

Случаи на употреба

За што се користи

  • Real-time transcription on consumer GPUs
  • Batch transcription of large podcast / lecture archives
  • On-device transcription via whisper.cpp
  • Cost-sensitive production ASR pipelines
  • Edge deployments where bandwidth is limited
08

Често поставувани прашања

Што е Whisper Large v3 Turbo?

Whisper Large v3 Turbo е модел од OpenAI во категоријата Говор во текст. Наведено е на Railwail, но не може да се извршува во моментов.

Колку чини Whisper Large v3 Turbo на Railwail?

Whisper Large v3 Turbo не може да се извршува на Railwail во моментов, затоа нема тековна цена. Достапни алтернативи со цени се наведени подолу на оваа страница.

Кои поставки поддржува Whisper Large v3 Turbo?

Според неговата шема за влез, Whisper Large v3 Turbo ги познава овие параметри: file, prompt (до 1.000 знаци), language, temperature (0 до 1) и response_format (json, text, srt или vtt).

Колку брз е Whisper Large v3 Turbo?

Нема доволно измерени извршувања на Whisper Large v3 Turbo на Railwail за да се наведе време на извршување. Зависи од влезот, поставките и оптеретувањето кај добавувачот.

Дали Whisper Large v3 Turbo е подобар од Incredibly Fast Whisper?

Зависи од задачата. Whisper Large v3 Turbo (OpenAI) и Incredibly Fast Whisper (Community) се обата модели во категоријата Говор во текст. Страницата за споредба ги покажува нивните цени и спецификации една до друга.

Спореди Whisper Large v3 Turbo и Incredibly Fast Whisper

Можам ли да го користам Whisper Large v3 Turbo сега?

Моментално недостапно: овој модел е деактивиран. Страницата останува онлајн; достапни алтернативи од иста категорија се наведени подолу.

Сите модели преку една API

Еден API клуч за секој модел на Railwail. Употребата се наплаќува од подготвени кредити, 1 кредит = 0,01 US$.