{ "aboutHtml": "

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.

", "aboutText": "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.\n\nيميّز 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.\n\nيبقى 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.\n\nيفك 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.\n\nيسرد 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.\n\nيقلّل 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.\n\nتحمل 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.\n\nالناتج 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9eab3a3ebd9e38d7ac7be62dc009a111dc1d58fd1d9a580617f7e8075fca98de", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ar", "methods": [ { "html": "
O

OpenAI: Whisper Large V3 Turbo

OpenAI /openai/whisper-large-v3-turbo

البداية

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.

المدخلات المقبولة
الصوت
النتائج
النص
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.

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions
الإدخال
audio
الإخراج
text
الحقلالنوعالمتطلبالقيم والحدودالقيمة الافتراضية
الحقلmodelالنوعstringالمتطلبمطلوبالقيم والحدود
openai/whisper-large-v3-turbo
القيمة الافتراضية—
الحقلinput_audioالنوعobjectالمتطلبمطلوبالقيم والحدودالقيمة الافتراضية—
معلمات الطريقة ودورة حياتها
المعلمةالمواصفات
المعلمةcontent_typeالمواصفاتapplication/json
المعلمةrequiredالمواصفاتmodel, input_audio
المعلمةmaterial_typesالمواصفاتaudio
المعلمةmaterial_conditionsالمواصفاتيقرأ 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.

الإعداداتجدول التعرفةوحدة الفوترةالرسوم
الإعداداتالتعرفات الأساسية للرموزجدول التعرفةالتعرفة الأساسيةوحدة 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 مُدخلجدول التعرفة—وحدة الفوترةلكل ثانية صوت مُدخلالرسوم
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

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n    raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n        raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'openai/whisper-large-v3-turbo', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n

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.

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
الحقلالنوع
الحقلtext (when present)النوع
الحقلusage (when present)النوع
الأخطاء والخطوات التالية
الاستجابةالشرطالخطوة التالية
الاستجابة⁦400⁩ · invalid_request_errorالشرطمتن JSON أو معرّف النموذج المعتمد الصريح غير صالح.الخطوة التاليةاحتفظ بالاستجابة وصحّح حقل الطلب المشار إليه.
الاستجابة⁦401⁩ · authentication_errorالشرطمفتاح API الخاص بـAiloot غير صالح.الخطوة التاليةاستخدم مفتاح API المخوَّل لك في Ailoot.
الاستجابة⁦403⁩ · permission_errorالشرطمجموعة المفتاح غير مخوّلة لاستخدام هذه الطريقة.الخطوة التاليةاحتفظ بتفاصيل الخطأ المُعادة.
الاستجابة⁦404⁩ · not_found_errorالشرطلا يوجد مسار مسموح به للطريقة المختارة.الخطوة التاليةاحتفظ بتفاصيل الخطأ المُعادة.
الاستجابة⁦422⁩ · price_unavailableالشرطيتعذر 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_errorالشرطتتطلب 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

", "method_identity": { "effective_request_model_id": "openai/whisper-large-v3-turbo", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "openai/whisper-large-v3-turbo", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fwhisper-large-v3-turbo", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "متن JSON أو معرّف النموذج المعتمد الصريح غير صالح.", "http_status": 400, "recovery": "احتفظ بالاستجابة وصحّح حقل الطلب المشار إليه.", "type": "invalid_request_error" }, { "code": null, "condition": "مفتاح API الخاص بـAiloot غير صالح.", "http_status": 401, "recovery": "استخدم مفتاح API المخوَّل لك في Ailoot.", "type": "authentication_error" }, { "code": null, "condition": "مجموعة المفتاح غير مخوّلة لاستخدام هذه الطريقة.", "http_status": 403, "recovery": "احتفظ بتفاصيل الخطأ المُعادة.", "type": "permission_error" }, { "code": null, "condition": "لا يوجد مسار مسموح به للطريقة المختارة.", "http_status": 404, "recovery": "احتفظ بتفاصيل الخطأ المُعادة.", "type": "not_found_error" }, { "code": null, "condition": "يتعذر على التعرفة المقبولة الحصول على كمية الإدخال المطلوبة أو حدّها.", "http_status": 422, "recovery": "احتفظ بالاستجابة؛ واستخدم صيغة تمثيل الإدخال التي تتطلبها التعرفة المقبولة.", "type": "price_unavailable" }, { "code": null, "condition": "التخزين المطلوب أو المسار أو سعر الطريقة أو حجز الرصيد غير متاح.", "http_status": 503, "recovery": "احتفظ بالاستجابة الأصلية كاملة. حجز الرصيد غير المؤكد لا يمنح الإذن بإعادة الإرسال.", "type": null }, { "code": null, "condition": "تتطلب النتيجة الأصلية أو الاستخدام أو التسوية التحقق.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "احتفظ بمعرّف الطلب الفعلي وبالاستجابة الأصلية. اقرأ السجل الموجود المملوك لك؛ ولا تعِد إرسال طلب الإنشاء.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "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." }, "outputs": { "all_results": "احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "متن الاستجابة الأصلي كاملاً، والحالة والترويسات المُمرَّرة. لا يضيف هذا المعالج بنية JSON عامة أو حقل نص أو حاوية مهمة." }, "parameters": [ { "default_known": false, "enum": [ "openai/whisper-large-v3-turbo" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/whisper-large-v3-turbo" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/whisper-large-v3-turbo" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "يقرأ المثال ملف PCM WAV الفعلي غير الفارغ لديك، ويُرمّز جميع بايتات الملف بترميز base64، ويرسل input_audio.format بالقيمة wav." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "قيمة task_id الدقيقة من سجل وسائط موجود مملوك لك", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'openai/whisper-large-v3-turbo', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "تفريغ صوتي", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 6.66e-06 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "openai/whisper-large-v3-turbo", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } } ], "model_id": "openai/whisper-large-v3-turbo", "nativeProvenance": { "input_facts_canonical_sha256": "d7b89b73e0ade8f6d3c33fac6187660a262e7a1418f84f6d4fc68f427ac83a68", "input_html_sha256": "e0db6ec6e1ab71e83933144179c89c2e80ba81d2bc2a62c30d2abe3a125ac3eb", "private_audit_sha256": "ae65b20c89111906e9601709617847e9176f29dc16d1a5cfd44841f5ca6426e2", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/ar/openai-whisper-large-v3-turbo/", "description": "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.", "locale": "ar", "md_url": "https://ailoot.ai/models/ar/openai-whisper-large-v3-turbo/index.md", "title": "OpenAI: Whisper Large V3 Turbo — Ailoot", "url": "https://ailoot.ai/models/ar/openai-whisper-large-v3-turbo/" }, "rawModel": { "about": "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.\n\nيميّز 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.\n\nيبقى 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.\n\nيفك 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.\n\nيسرد 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.\n\nيقلّل 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.\n\nتحمل 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.\n\nالناتج 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.", "alias_of": null, "aliases": [], "author": "OpenAI", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ], "summary": "التسعير الكامل للتكوين في التفاصيل." } ], "ctx": null, "formats": [ "transcriptions" ], "id": "openai/whisper-large-v3-turbo", "input": [ "audio" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "متن JSON أو معرّف النموذج المعتمد الصريح غير صالح.", "http_status": 400, "recovery": "احتفظ بالاستجابة وصحّح حقل الطلب المشار إليه.", "type": "invalid_request_error" }, { "code": null, "condition": "مفتاح API الخاص بـAiloot غير صالح.", "http_status": 401, "recovery": "استخدم مفتاح API المخوَّل لك في Ailoot.", "type": "authentication_error" }, { "code": null, "condition": "مجموعة المفتاح غير مخوّلة لاستخدام هذه الطريقة.", "http_status": 403, "recovery": "احتفظ بتفاصيل الخطأ المُعادة.", "type": "permission_error" }, { "code": null, "condition": "لا يوجد مسار مسموح به للطريقة المختارة.", "http_status": 404, "recovery": "احتفظ بتفاصيل الخطأ المُعادة.", "type": "not_found_error" }, { "code": null, "condition": "يتعذر على التعرفة المقبولة الحصول على كمية الإدخال المطلوبة أو حدّها.", "http_status": 422, "recovery": "احتفظ بالاستجابة؛ واستخدم صيغة تمثيل الإدخال التي تتطلبها التعرفة المقبولة.", "type": "price_unavailable" }, { "code": null, "condition": "التخزين المطلوب أو المسار أو سعر الطريقة أو حجز الرصيد غير متاح.", "http_status": 503, "recovery": "احتفظ بالاستجابة الأصلية كاملة. حجز الرصيد غير المؤكد لا يمنح الإذن بإعادة الإرسال.", "type": null }, { "code": null, "condition": "تتطلب النتيجة الأصلية أو الاستخدام أو التسوية التحقق.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "احتفظ بمعرّف الطلب الفعلي وبالاستجابة الأصلية. اقرأ السجل الموجود المملوك لك؛ ولا تعِد إرسال طلب الإنشاء.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "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." }, "outputs": { "all_results": "احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "متن الاستجابة الأصلي كاملاً، والحالة والترويسات المُمرَّرة. لا يضيف هذا المعالج بنية JSON عامة أو حقل نص أو حاوية مهمة." }, "parameters": [ { "default_known": false, "enum": [ "openai/whisper-large-v3-turbo" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/whisper-large-v3-turbo" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/whisper-large-v3-turbo" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "يقرأ المثال ملف PCM WAV الفعلي غير الفارغ لديك، ويُرمّز جميع بايتات الملف بترميز base64، ويرسل input_audio.format بالقيمة wav." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "قيمة task_id الدقيقة من سجل وسائط موجود مملوك لك", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'openai/whisper-large-v3-turbo', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "تفريغ صوتي", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 6.66e-06 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "openai/whisper-large-v3-turbo", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "model_aliases": [ { "canonical_model_id": "openai/whisper-large-v3-turbo", "request_model_id": "openai/whisper-large-v3-turbo", "route_label": "Ultra" } ], "name": "OpenAI: Whisper Large V3 Turbo", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "short": "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." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "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.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "f372a47652d085b388f161f65a012935fcc49f2bca4840ac7571071391a585da", "renderer_sha256": "081ee0fd5b6b1b60564b02c52d62547e01e922c8c0a16e91a0d055073e76a10e" }, "sourceRevision": "664f1acc79bfa5f88c4f886f5a08d9533b04086827f74ad431fb7df3694b1d7b" }