OpenAI: Whisper Large V3 Turbo

Whisper large-v3-turbo هو إصدار من OpenAI ذو أوزان مفتوحة لتفريغ الكلام بسرعة أكبر، مشتق من large-v3، بأربع طبقات لفك الترميز و809 ملايين معلمة. يستهدف تحويل الكلام متعدد اللغات إلى نص؛ وتستبعد وثائق المنتج الرسمية ترجمة الكلام إلى الإنجليزية من المهمة التي دُرّب عليها Turbo.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions openai/whisper-large-v3-turbo

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

Whisper large-v3-turbo، المعروف أيضًا باسم Turbo، هو نموذج OpenAI المحسّن لتفريغ الكلام والمشتق من Whisper large-v3. خُفِّض مُفكِّك ترميزه من 32 طبقة إلى أربع، بينما بقي المُرمِّز عند 32 طبقة. يحتوي النموذج المنشور على نحو 809 ملايين معلمة. غرض الشركة هو تعرف أسرع على الكلام مع تنازل محدود في الدقة، وليس وضعًا مختلفًا لتوليد الصوت. الكلام المسجل هو الإدخال، والنص المتعرَّف عليه هو النتيجة.

يميّز إعلان الإصدار إعداد Turbo من نموذج Whisper مقطّر بصورة منفصلة: خضع Turbo لضبط دقيق لدورتين تدريبيتين إضافيتين على بيانات تفريغ متعددة اللغات، مع استبعاد بيانات الترجمة. ويهم هذا التمييز تشغيليًا. يذكر مستودع OpenAI أن Turbo لم يُدرَّب لترجمة الكلام غير الإنجليزي إلى الإنجليزية، وقد يعيد اللغة الأصلية حتى عند طلب مهمة ترجمة. استخدم هذا الإصدار لتفريغ باللغة نفسها؛ ويخص متطلب الترجمة نموذجًا آخر مناسبًا أو خطوة منفصلة بعد التفريغ.

يبقى اكتشاف لغة المصدر واختيار اللغة صراحةً خيارين مفيدين للتفريغ. إذا كانت لغة التسجيل معروفة بالفعل، فحدّدها في الموجز؛ وإلا يستطيع المسار الموثّق اكتشافها. حافظ على الأسماء والكميات والكلمات المنطوقة قبل طلب أي تنقيح تحريري. ويمكن بعد ذلك البحث في سجل اجتماع أو تفريغ مقابلة أو نص محاضرة، أو التعليق عليه أو تلخيصه في عملية لاحقة. لا ينبغي الخلط بين مهمة التعرف لدى Turbo وتركيب الصوت أو تقليد المتحدث أو الحكم الدلالي على الأشخاص في التسجيل.

يفك محمّل الصوت لدى OpenAI ترميز ملفات الإدخال إلى عينات أحادية القناة عند 16 kHz، ويستخدم النموذج نافذة صوتية بطول 30 ثانية مع 128 نطاقًا لترددات Mel. تتطلب التسجيلات الأطول استدلالًا للمحتوى الطويل. تتحرك المعالجة التسلسلية عبر النوافذ بالترتيب؛ ويُفرِّغ نهج التقسيم إلى أجزاء مقاطع متداخلة ويصل حدودها. تعرض بطاقة النموذج النهج الثاني كمفيد لمعالجة ملف طويل واحد عندما تكون سرعة الإنجاز الأولوية الرئيسية، بينما تكون المعالجة التسلسلية البديل الموجّه للدقة. لا تثبت النافذة ولا اسم النموذج حدًا أقصى ثابتًا لحجم ملف مرفوع إلى خدمة مستضافة.

يسرد إعداد Turbo المحدد 448 موضعًا لفك الترميز في تسلسل فك ترميز واحد. ويمكن لمسار الاستدلال الموثّق تضمين توقيت المقاطع أو الكلمات بجانب التفريغ؛ ويدعم التوقيت التنقل وتنسيق الترجمات المصاحبة لاحقًا. وهو لا يضيف تلقائيًا صيغة ملف ترجمة مصاحبة أو تسميات موثوقة للمتحدثين. اذكر ما إذا كان المطلوب تفريغًا عاديًا أو مقاطع مزوّدة بتوقيت، وأبقِ التسجيل الأصلي متاحًا لفحص المقاطع المختلف عليها. معالجة المحتوى الطويل وأي تنسيق نهائي منفصلان عن هوية نسخة الأوزان.

يقلّل Turbo عمل فك الترميز، لكن الوقت الفعلي المطلوب يعتمد على العتاد وطول التسجيل واللغة وسرعة الكلام واختيارات الاستدلال. يشير المنتج إلى تراجع جودة أكبر لبعض اللغات، منها التايلاندية والكانتونية، بدلًا من سلوك موحّد في كل اللغات. قارن مقتطفًا ممثلًا باللغة المقصودة قبل اعتبار المفاضلة الموجّهة للسرعة مناسبةً لكل المواد. ولمهمة معالجة أرشيف، أدرج مفردات صعبة ووقفات ومقاطع مشوشة أو متداخلة في عينة المراجعة، لا جملة افتتاحية واضحة وحدها.

تحمل البطاقة المنشورة قيود التعرف الجوهرية في Whisper: قد يحتوي النص المتوقع كلمات لم تُنطق، وقد يحدث تكرار للنص. تختلف النتائج بين اللغات واللكنات واللهجات، ولا سيما حيث تكون تغطية التدريب محدودة. لا تثبت البطاقة فصل المتحدثين أو تصنيفهم في النموذج الأساسي كقدرتين قياسيتين موثوقتين. تركّز المراجعة العملية على الأمانة للمصدر: الأسماء والأرقام المهمة والكلام المحذوف والنص غير المتوقع أثناء الصمت والتكرارات. يظل التفريغ المقروء نتيجةً للمقارنة بالتسجيل، لا ضمانًا للتعرف الدقيق.

الناتج المكتمل المفيد تفريغ بلغة المصدر مع أي توقيت مطلوب ورابط واضح إلى تسجيله. افصل النسخة الناتجة عن التعرف عن نسخة النشر المحررة، ليبقى تتبع التغييرات ممكنًا. حافظ على اسم large-v3-turbo عند مقارنة الإصدارات: فهو ليس نموذج large-v3 الكامل، ولا ينبغي أن يرث بصمت مهمة الترجمة الإنجليزية في large-v3. كما لا تحمل هوية الأوزان المفتوحة هذه حدود رفع الملفات أو حاويات الاستجابة أو وعود البث الحي الخاصة بخدمة whisper-1 المستضافة. اختر Turbo عندما تلائم المفاضلة الموثّقة للتفريغ المادة الفعلية وسرعة الإنجاز المطلوبة.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions openai/whisper-large-v3-turbo

openai/whisper-large-v3-turbo

OpenAI /openai/whisper-large-v3-turbo

البداية

المدخلات المقبولة: الصوت
النتائج: النص

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions

الإدخال: audio
الإخراج: text

الحقل	النوع	المتطلب	القيم والحدود	القيمة الافتراضية
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود openai/whisper-large-v3-turbo	القيمة الافتراضية—
الحقل`input_audio`	النوع`object`	المتطلبمطلوب	القيم والحدود	القيمة الافتراضية—

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, input_audio
المعلمة`material_types`	المواصفاتaudio
المعلمة`material_conditions`	المواصفاتيقرأ المثال ملف PCM WAV الفعلي غير الفارغ لديك، ويُرمّز جميع بايتات الملف بترميز base64، ويرسل input_audio.format بالقيمة wav.

دورة الحياة: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · قيمة task_id الدقيقة من سجل وسائط موجود مملوك لك

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

الباقات

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع: غير محدد عند اختيار الوضع السريع
الوضع المرن: غير محدد عند اختيار وضع flex
أقصى جهد للاستدلال: غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات Ailoot

الأسعار حسب الإعدادات

طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.

الإعدادات	جدول التعرفة	وحدة الفوترة	الرسوم
الإعداداتالتعرفات الأساسية للرموز	جدول التعرفةالتعرفة الأساسية	وحدة الفوترة—	الرسوم الإدخال · رموز الإدخال — / 1K من الرموز الإخراج · رموز الإخراج — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز
الإعداداتثانية صوت مُدخل	جدول التعرفة—	وحدة الفوترةلكل ثانية صوت مُدخل	الرسوم الإدخال · ثانية صوت مُدخل $0.00000666 لكل ثانية صوت مُدخل

تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →

أمثلة للطلبات

Ailoot Ultra · تفريغ صوتي

curl · ملف WAV الفعلي والنتيجة الأصلية كاملة

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
    raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
        raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'openai/whisper-large-v3-turbo', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.

استلام النتائج وحفظها

Ailoot Ultra · تفريغ صوتي

متن الاستجابة الأصلي كاملاً، والحالة والترويسات المُمرَّرة. لا يضيف هذا المعالج بنية JSON عامة أو حقل نص أو حاوية مهمة.

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

الاحتفاظ بكل النتائج المكتملة

احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.

احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.

عند الحاجة إلى التحقق من الاستجابة الأصلية

احتفظ بقيمة X-Client-Request-ID الفعلية وبالاستجابة كاملة. اقرأ الأصول الأصلية المملوكة لك وعناوين URL الدقيقة الموقّعة لمحتواها؛ ولا تعِد إرسال طلب إنشاء غير مؤكد النتيجة مطلقاً.

حقول الاستجابة

الحقل	النوع
الحقل`text (when present)`	النوع
الحقل`usage (when present)`	النوع

الأخطاء والخطوات التالية

الاستجابة	الشرط	الخطوة التالية
الاستجابة⁦400⁩ · `invalid_request_error`	الشرطمتن JSON أو معرّف النموذج المعتمد الصريح غير صالح.	الخطوة التاليةاحتفظ بالاستجابة وصحّح حقل الطلب المشار إليه.
الاستجابة⁦401⁩ · `authentication_error`	الشرطمفتاح API الخاص بـAiloot غير صالح.	الخطوة التاليةاستخدم مفتاح API المخوَّل لك في Ailoot.
الاستجابة⁦403⁩ · `permission_error`	الشرطمجموعة المفتاح غير مخوّلة لاستخدام هذه الطريقة.	الخطوة التاليةاحتفظ بتفاصيل الخطأ المُعادة.
الاستجابة⁦404⁩ · `not_found_error`	الشرطلا يوجد مسار مسموح به للطريقة المختارة.	الخطوة التاليةاحتفظ بتفاصيل الخطأ المُعادة.
الاستجابة⁦422⁩ · `price_unavailable`	الشرطيتعذر على التعرفة المقبولة الحصول على كمية الإدخال المطلوبة أو حدّها.	الخطوة التاليةاحتفظ بالاستجابة؛ واستخدم صيغة تمثيل الإدخال التي تتطلبها التعرفة المقبولة.
الاستجابة⁦503⁩ ·	الشرطالتخزين المطلوب أو المسار أو سعر الطريقة أو حجز الرصيد غير متاح.	الخطوة التاليةاحتفظ بالاستجابة الأصلية كاملة. حجز الرصيد غير المؤكد لا يمنح الإذن بإعادة الإرسال.
الاستجابة⁦502⁩ · `server_error`	الشرطتتطلب النتيجة الأصلية أو الاستخدام أو التسوية التحقق.	الخطوة التاليةاحتفظ بمعرّف الطلب الفعلي وبالاستجابة الأصلية. اقرأ السجل الموجود المملوك لك؛ ولا تعِد إرسال طلب الإنشاء.

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra openai/whisper-large-v3-turbo

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

openai/whisper-large-v3-turbo

FAQ · OpenAI: Whisper Large V3 Turbo

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/transcriptions · openai/whisper-large-v3-turbo: audio → text
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/transcriptions · openai/whisper-large-v3-turbo: model, input_audio

OpenAI: Whisper Large V3 Turbo