Source: https://ailoot.ai/models/da/openai-whisper-large-v3/
Canonical: https://ailoot.ai/models/da/openai-whisper-large-v3/
Language: da

# OpenAI: Whisper Large V3

[Markdown](https://ailoot.ai/models/da/openai-whisper-large-v3/index.md) · [JSON](https://ailoot.ai/models/da/openai-whisper-large-v3/facts.json)

## [OpenAI: Whisper Large V3](https://ailoot.ai/models/da/openai-whisper-large-v3/)

Whisper large-v3 er OpenAIs flersprogede talegenkendelsescheckpoint med åbne vægte til transskription og oversættelse af tale til engelsk. Det omdanner optaget tale til tekst med dokumenteret sprogvalg, tidsstempler og behandling af lange optagelser ud over dets akustiske vindue på 30 sekunder.

- [**Ailoot Ultra · Talegenkendelse** `POST /v1/audio/transcriptions` `openai/whisper-large-v3`](https://ailoot.ai/models/da/openai-whisper-large-v3/#method-0)

Om modellen

Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.

Whisper large-v3 er et udgivet talegenkendelsescheckpoint fra OpenAI med cirka 1,55 milliarder parametre. Det er en flersproget encoder-decoder-model: lyd går ind i encoderen, og decoderen forudsiger tekst og opgaverelaterede tokens. Hovedopgaverne er transskription af tale på originalsproget og oversættelse af tale til engelsk. Det er en modelidentitet med åbne vægte, adskilt fra en hostet tjenestes modelidentifikator eller tjenestens regler for upload og svarformater.

Large-v3 bevarer arkitekturen fra tidligere store Whisper-checkpoints med to angivne ændringer: spektrograminputtet bruger 128 Mel-frekvensbånd i stedet for 80, og der tilføjes et kantonesisk sprogtoken. Producentens modelkort beskriver træning på én million timers svagt mærket lyd og fire millioner timers pseudomærket lyd forberedt med Whisper large-v2. Denne blanding blev brugt til to træningsepoker. Udgivelsen er et bestemt large-v3-checkpoint frem for et generisk navn på alle modeller i Whisper-familien.

Det dokumenterede inferensforløb udfører transskription som standard og bevarer det sprog, der tales i optagelsen. Det kan registrere originalsproget automatisk eller modtage et kendt sprogvalg. Til oversættelse giver den flersprogede large-model et engelsk tekstresultat fra ikke-engelsk tale. Vælg opgaven udtrykkeligt: en transskription på originalsproget og en engelsk oversættelse er forskellige resultater. Til et interview bevares ordlyden på originalsproget; til et engelsk referencedokument angives det, at det ønskede resultat er en oversættelse af det talte indhold.

Lydforberedelse er en del af inputforløbet. OpenAIs indlæser dekoder en optagelse til en monobølgeform og omsampler den til 16 kHz. Modellens akustiske receptive felt er 30 sekunder. Det er et behandlingsvindue, ikke en maksimal længde for et helt interview eller en forelæsning. Inferens for lange optagelser kan gå sekventielt gennem glidende vinduer eller opdele en lang optagelse i overlappende dele og samle deres transskriptioner. Producentens modelkort beskriver sekventiel behandling, når nøjagtighed prioriteres, og behandling i dele, når hurtig behandling af én lang optagelse er vigtigere.

Den udgivne konfiguration angiver 448 decoderpositioner for en individuel afkodningssekvens. Længere optagelser håndteres af forløbet til lange optagelser frem for at behandle dette tal som en universel transskriptionsgrænse. Det dokumenterede forløb kan returnere tidsstempler på segment- eller ordniveau sammen med genkendt tekst. Disse tidsoplysninger er nyttige til navigation i optagelser og forberedelse af undertekster, mens en endelig undertekstcontainer eller et transskriptionsfilformat er et separat valg af outputformatering. Bevar optagelsens tidsforløb under lydforberedelsen, hvis transskriptionen skal tilpasses originalmaterialet.

Whispers tilsigtede rolle er at genkende og oversætte tale. En forelæsningstransskription, en interviewoptegnelse eller en søgbar samling af talt materiale er et praktisk output; opsummering eller fortolkning kan følge som et andet trin over teksten. Modelkortet fastslår ikke robust automatisk talerklassifikation eller taleradskillelse som standardoutput fra grundcheckpointet. Hvis en opgave kræver talerbetegnelser, skal det krav håndteres separat fra en påstand om en nøjagtig transskription. En nyttig opgavebeskrivelse angiver originalsproget, om transskription eller engelsk oversættelse behøves, og om tidsoplysninger kræves.

Væsentlige begrænsninger omfatter opfundet tekst, der aldrig blev sagt, og gentaget tekst, forbundet med svagt superviseret træning på støjfyldte data og sekvens-til-sekvens-designet. Genkendelseskvaliteten varierer mellem sprog, accenter og dialekter med svagere resultater, hvor der findes mindre træningsmateriale. Støj, fagudtryk og overlappende tale bør derfor indgå i den prøve, der bruges til at vurdere egnethed. Sammenlign navne, mængder og vigtige udsagn med optagelsen, og undersøg passager uden tale eller gentagne linjer frem for at behandle en flydende transskription som bevis på, at hvert ord blev hørt.

Et fuldstændigt resultat bevarer den genkendte tekst, dens sprog og eventuelle anmodede tidsoplysninger med en reference til originaloptagelsen. Hold transskription adskilt fra senere redigering: en rettet udgivelsestransskription kan fjerne fyldord, mens den genkendte transskription bevarer det, modellen faktisk returnerede. Identiteten og oversættelsesfunktionen i large-v3 bør også holdes adskilt fra den hurtigere Turbo-udgave. Den faktiske behandlingshastighed afhænger af sprog, talehastighed, hardware og inferensmetode; ingen bestemt hostet latenstid, maksimal uploadstørrelse eller aktiveret applikationsrute følger alene af checkpointnavnet.

**Ailoot Ultra · Talegenkendelse** `POST /v1/audio/transcriptions` `openai/whisper-large-v3`

[`openai/whisper-large-v3`](https://ailoot.ai/models/da/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions)

OpenAI /`openai/whisper-large-v3`

### Start

Whisper large-v3 er OpenAIs flersprogede talegenkendelsescheckpoint med åbne vægte til transskription og oversættelse af tale til engelsk. Det omdanner optaget tale til tekst med dokumenteret sprogvalg, tidsstempler og behandling af lange optagelser ud over dets akustiske vindue på 30 sekunder.

Accepterede input

Lyd

Resultater

transcription

### Tilgængelig i Ailoot · input og metoder

**Ailoot Ultra · Talegenkendelse** `POST /v1/audio/transcriptions`

Inputtyper

`audio`

Outputtyper

`transcription`

Outputformat

json

| Felt | Type | Krav | Værdier og grænser | Standard |
| --- | --- | --- | --- | --- |
| Felt`model` | Type`string` | KravPåkrævet | Værdier og grænser openai/whisper-large-v3 | Standard— |
| Felt`input_audio` | Type`object` | KravPåkrævet | Værdier og grænser | Standard— |
| Felt`language` | Type`string` | KravValgfrit | Værdier og grænser | Standard— |
| Felt`temperature` | Type`number` | KravValgfrit | Værdier og grænser Minimum: 0 Maksimum: 1 | Standard— |
| Felt`response_format` | Type`string` | KravValgfrit | Værdier og grænser json, verbose\_json | Standardjson |
| Felt`timestamp_granularities` | Type`array` | KravValgfrit | Værdier og grænser | Standard— |
| Felt`provider` | Type`object` | KravValgfrit | Værdier og grænser | Standard— |

Kombinationer af inputmaterialer

**speech\_to\_text** · Påkrævet: actual matching-format audio file

Metodeparametre og livscyklus

| Parameter | Kontrakt |
| --- | --- |
| Parameter`content_types` | Kontraktapplication/json, multipart/form-data |
| Parameter`required` | Kontraktmodel, input\_audio |
| Parameter`material_types` | Kontraktaudio |
| Parameter`JSON_audio` | Kontraktfaktiske rå lydbytes i base64 med tilsvarende format |
| Parameter`multipart_required` | Kontraktmodel, file |
| Parameter`multipart_cap_bytes` | Kontrakt26214400 |
| Parameter`optional_controls` | Kontraktlanguage, temperature, response\_format, timestamp\_granularities, provider |
| Parameter`default_response_format` | Kontraktjson |
| Parameter`optional_features` | KontraktDetaljeret output, diarize/keyterms og URL eller større indlejret lyd kræver den præcise models eller udbyders funktionalitet og tarif. |

Livscyklus: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · det faktisk returnerede task\_id eller posten i mediebiblioteket

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

`GET /v1/media/assets`

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

Brug den præcise model og de dokumenterede inputfelter.

Behold hele svaret, hvert faktisk output og de oprindeligt returnerede ID’er.

### Priser

Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.

Hurtig tilstand

Ikke angivet Når hurtig tilstand er valgt

flex-tilstand

Ikke angivet Når flex-tilstanden er valgt

Maksimal ræsonneringsindsats

Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats

#### Ailoot-takster

#### Priser efter konfiguration

Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.

| Konfiguration | Takstplan | Afregningsenhed | Beløb |
| --- | --- | --- | --- |
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Afregningsenhed— | Beløb Input · Inputtokens **—** / 1K tokens Output · Outputtokens **—** / 1K tokens Input · Cachelæsning **—** / 1K tokens Input · Cacheskrivning **—** / 1K tokens Input · Cacheskrivning, 1 time **—** / 1K tokens |
| KonfigurationUltra | Takstplan— | Afregningsenhedpr. sekund lydinput | Beløb Input · sekund inputlyd **$0.000015** pr. sekund lydinput |

Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. [Sådan fungerer reservation og afregning →](https://ailoot.ai/docs/da/billing/reserve/)

#### Detaljer om referencetariffen

Referenceplaner på modelniveau ændrer ikke metodevalg, prisoverslag eller opkrævninger. Ved den aktive afregning anvendes taksterne for den valgte Ailoot-metode.

OpenAI: Whisper Large V3

#### Priser efter konfiguration

| Konfiguration | Afregningsbetingelser | Beløb |
| --- | --- | --- |
| KonfigurationOpenAI: Whisper Large V3 · Standardkonfiguration | AfregningsbetingelserStandardkonfiguration | Beløb Input · Sekunder inputlyd **0,000015 US$** pr. sekund lydinput |

### Eksempelanmodninger

#### Ailoot Ultra · Talegenkendelse

curl · det præcise native requestbody og hele resultatet

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'openai/whisper-large-v3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
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
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
```

### Hent og gem resultater

#### Ailoot Ultra · Talegenkendelse

json

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

##### Behold alle færdige resultater

Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.

Hele det oprindelige JSON-svar, al tilgængelig tekst og alle tilgængelige segmenter, ord, talere, tidsstempler samt forbruget.

##### Hvis det oprindelige svar skal kontrolleres

Behold det oprindelige operation\_id/X-Client-Request-ID og det oprindelige svar. Læs faktiske opgave- og aktivposter, du ejer, uden at indsende igen; der konstrueres ingen særskilt URL til statusforespørgsler for lyd.

Svarfelter

| Felt | Type |
| --- | --- |
| Felt`text` | Typestring |
| Felt`usage` | Typeobject |
| Felt`segments[]` | Typeobject |
| Felt`words[]` | Typeobject |

### Aliaser

#### Modelaliaser

**Ailoot Ultra** [`openai/whisper-large-v3`](https://ailoot.ai/models/da/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions)

#### Aliaser for metodestier

Brug metodestierne vist ovenfor.

#### Relaterede kalder-ID’er

[`openai/whisper-large-v3`](https://ailoot.ai/models/da/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions)

FAQ · OpenAI: Whisper Large V3

Hvilke input og resultater er tilgængelige?

`POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `audio` → `transcription`

Hvilke felter bruger anmodningen?

`POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider`

Hvilke grænser gælder?

`POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1`

Tilslut Ailoot til Claude Code, OpenCode, Hermes eller din egen applikation.

## Virksomheden og dens projektportefølje

Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder.

## Køb tokens med rabat.

Abonnementsrabat til regelmæssigt arbejde. Rabatkoder giver op til 50% på tokenkøb.

Abonnement

Vælg et abonnement med rabat til dine regelmæssige anmodninger.

Rabatkode på op til 50%

Indtast koden ved købet. Prisen genberegnes efter den aktuelle kampagne.

Udgifter i historikken

Model, tokens og beløb gemmes for hver anmodning.

[Vælg abonnement](https://ailoot.ai/docs/da/billing/subscriptions/) · [Se modelpriser](https://ailoot.ai/models/da/)

## Tilslut API’et til produktet, du sælger.

SaaS, apps og bots efter Ailoots tilbudsvilkår og licensaftale. Anmod om en forhandlerlicens til videresalg.

Kommerciel applikation

Byg generering af tekst, billeder, video og lyd ind i tjenestens betalte funktioner.

Licens til forhandlere

Send projektbeskrivelse og adgangsmodel. Bed om skriftlige vilkår for anvendelse og videresalg.

Dokumenter på websitet

Tilbudsvilkår, licensaftale og politik for behandling af data kan læses før tilslutning.

[Anmod om forhandlerlicens](mailto:support@ailoot.ai) · [Tilbudsvilkår og licensaftale](https://ailoot.ai/legal/offer?lang=da)

## Ailoot · Virksomheden og dens projektportefølje





Ailoot bygger på solid driftserfaring, en stor kundebase, stabil service og løbende kontrol af KPI.





Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder.





Ailoot bruger denne driftserfaring til API-adgang til AI-funktioner i kundernes produkter, agenter, applikationer og automatiseringer.