{
  "aboutHtml": "<p>Το Whisper large-v3 είναι ένα δημοσιευμένο checkpoint αναγνώρισης ομιλίας της OpenAI με περίπου 1,55 δισεκατομμύρια παραμέτρους. Είναι πολύγλωσσο μοντέλο κωδικοποιητή–αποκωδικοποιητή: ο ήχος εισέρχεται στον κωδικοποιητή και ο αποκωδικοποιητής προβλέπει κείμενο και token που σχετίζονται με την εργασία. Οι κύριες εργασίες είναι η απομαγνητοφώνηση ομιλίας στη γλώσσα προέλευσης και η μετάφραση ομιλίας στα αγγλικά. Πρόκειται για ταυτότητα μοντέλου με ανοικτά βάρη, η οποία διατηρείται ξεχωριστή από το αναγνωριστικό μοντέλου μιας φιλοξενούμενης υπηρεσίας ή από τους κανόνες μεταφόρτωσης και μορφής απόκρισης εκείνης της υπηρεσίας.</p><p>Το large-v3 διατηρεί την αρχιτεκτονική των προηγούμενων checkpoint Whisper large με δύο δηλωμένες αλλαγές: η είσοδος φασματογράμματος χρησιμοποιεί 128 ζώνες συχνοτήτων Mel αντί για 80 και προσθέτει ένα token για την καντονέζικη γλώσσα. Η κάρτα μοντέλου του παραγωγού περιγράφει εκπαίδευση σε ένα εκατομμύριο ώρες ήχου με ασθενή επισήμανση και σε τέσσερα εκατομμύρια ώρες ήχου με ψευδοετικέτες που προετοιμάστηκαν με το Whisper large-v2. Αυτό το μείγμα χρησιμοποιήθηκε για δύο εποχές εκπαίδευσης. Η έκδοση είναι ένα συγκεκριμένο checkpoint large-v3 και όχι ένα γενικό όνομα για κάθε μοντέλο της οικογένειας Whisper.</p><p>Η τεκμηριωμένη ροή συμπερασμού εκτελεί απομαγνητοφώνηση από προεπιλογή, διατηρώντας τη γλώσσα που ακούγεται στην ηχογράφηση. Μπορεί να εντοπίσει αυτόματα τη γλώσσα προέλευσης ή να δεχτεί επιλογή γνωστής γλώσσας. Για μετάφραση, το πολύγλωσσο μοντέλο large παρέχει αγγλικό κείμενο από ομιλία που δεν είναι στα αγγλικά. Επιλέξτε ρητά αυτή την εργασία: μια απομαγνητοφώνηση στην ίδια γλώσσα και μια αγγλική μετάφραση είναι διαφορετικά παραδοτέα. Για μια συνέντευξη, διατηρήστε τη διατύπωση στην αρχική γλώσσα· για ένα αγγλικό έγγραφο αναφοράς, προσδιορίστε ότι το επιθυμητό αποτέλεσμα είναι μετάφραση του προφορικού περιεχομένου.</p><p>Η προετοιμασία ήχου είναι μέρος της διαδρομής εισόδου. Ο φορτωτής της OpenAI αποκωδικοποιεί μια ηχογράφηση σε μονοφωνική κυματομορφή και τη δειγματοληπτεί εκ νέου στα 16 kHz. Το ακουστικό πεδίο υποδοχής του μοντέλου είναι 30 δευτερόλεπτα. Αυτό είναι παράθυρο επεξεργασίας και όχι μέγιστη διάρκεια μιας ολόκληρης συνέντευξης ή διάλεξης. Ο συμπερασμός για υλικό μεγάλης διάρκειας μπορεί να προχωρά διαδοχικά μέσω ολισθαινόντων παραθύρων ή να χωρίζει μια μεγάλη ηχογράφηση σε επικαλυπτόμενα τμήματα και να ενώνει τις απομαγνητοφωνήσεις τους. Η κάρτα μοντέλου του παραγωγού περιγράφει διαδοχική επεξεργασία όταν προτεραιότητα είναι η ακρίβεια και επεξεργασία κατά τμήματα όταν έχει μεγαλύτερη σημασία ο χρόνος ολοκλήρωσης μιας μεμονωμένης μεγάλης ηχογράφησης.</p><p>Η δημοσιευμένη διαμόρφωση αναφέρει 448 θέσεις αποκωδικοποιητή για μια μεμονωμένη ακολουθία αποκωδικοποίησης. Οι μεγαλύτερες ηχογραφήσεις αντιμετωπίζονται με τη διαδικασία μεγάλης διάρκειας και όχι θεωρώντας αυτόν τον αριθμό καθολικό όριο απομαγνητοφώνησης. Η τεκμηριωμένη ροή εργασίας μπορεί να επιστρέφει χρονικές σημάνσεις σε επίπεδο τμήματος ή λέξης μαζί με το αναγνωρισμένο κείμενο. Αυτές οι χρονικές πληροφορίες είναι χρήσιμες για πλοήγηση στις ηχογραφήσεις και προετοιμασία υποτίτλων, ενώ οποιοσδήποτε τελικός περιέκτης υποτίτλων ή μορφή αρχείου απομαγνητοφώνησης είναι ξεχωριστή επιλογή μορφοποίησης εξόδου. Διατηρήστε τον χρονισμό της ηχογράφησης όταν προετοιμάζετε τον ήχο, αν η απομαγνητοφώνηση πρόκειται να ευθυγραμμιστεί με το αρχικό υλικό.</p><p>Ο προβλεπόμενος ρόλος του Whisper είναι η αναγνώριση και η μετάφραση ομιλίας. Μια απομαγνητοφώνηση διάλεξης, η καταγραφή μιας συνέντευξης ή μια αναζητήσιμη συλλογή προφορικού υλικού είναι πρακτικές έξοδοι· η σύνοψη ή η ερμηνεία μπορούν να ακολουθήσουν ως άλλο βήμα πάνω στο κείμενο. Η κάρτα μοντέλου δεν θεμελιώνει αξιόπιστη αυτόματη ταξινόμηση ομιλητών ή διαχωρισμό ομιλητών ως τυπική έξοδο του βασικού checkpoint. Αν μια εργασία χρειάζεται ετικέτες ομιλητών, αυτή η απαίτηση πρέπει να αντιμετωπίζεται ξεχωριστά από τον ισχυρισμό ότι η απομαγνητοφώνηση είναι ακριβής. Μια χρήσιμη περιγραφή απαιτήσεων προσδιορίζει τη γλώσσα προέλευσης, αν χρειάζεται απομαγνητοφώνηση ή αγγλική μετάφραση και αν απαιτούνται χρονικές πληροφορίες.</p><p>Ουσιαστικοί περιορισμοί περιλαμβάνουν επινοημένο κείμενο που δεν εκφωνήθηκε ποτέ και επαναλαμβανόμενο κείμενο, τα οποία συνδέονται με την εκπαίδευση ασθενούς εποπτείας σε θορυβώδη δεδομένα και τον σχεδιασμό ακολουθίας προς ακολουθία. Η ποιότητα αναγνώρισης διαφέρει μεταξύ γλωσσών, προφορών και διαλέκτων, με ασθενέστερα αποτελέσματα όπου υπάρχει λιγότερο εκπαιδευτικό υλικό. Ο θόρυβος, το εξειδικευμένο λεξιλόγιο και η επικαλυπτόμενη ομιλία πρέπει συνεπώς να αντιπροσωπεύονται στο δείγμα που χρησιμοποιείται για την αξιολόγηση καταλληλότητας. Συγκρίνετε ονόματα, ποσότητες και σημαντικές δηλώσεις με την ηχογράφηση και εξετάστε τα αποσπάσματα χωρίς ομιλία ή τις επαναλαμβανόμενες γραμμές, αντί να αντιμετωπίζετε μια απομαγνητοφώνηση με φυσική ροή ως απόδειξη ότι ακούστηκε κάθε λέξη.</p><p>Ένα πλήρες αποτέλεσμα διατηρεί το αναγνωρισμένο κείμενο, τη γλώσσα του και οποιεσδήποτε ζητημένες χρονικές πληροφορίες μαζί με αναφορά στην αρχική ηχογράφηση. Κρατήστε την απομαγνητοφώνηση ξεχωριστή από τη μεταγενέστερη επεξεργασία: μια διορθωμένη απομαγνητοφώνηση για δημοσίευση μπορεί να αφαιρεί γεμίσματα του λόγου, ενώ η αναγνωρισμένη απομαγνητοφώνηση διατηρεί ό,τι επέστρεψε πραγματικά το μοντέλο. Η ταυτότητα και η δυνατότητα μετάφρασης του large-v3 πρέπει επίσης να παραμένουν ξεχωριστές από την ταχύτερη έκδοση Turbo. Η πραγματική ταχύτητα επεξεργασίας εξαρτάται από τη γλώσσα, την ταχύτητα ομιλίας, το υλικό και τη μέθοδο συμπερασμού· από το όνομα του checkpoint και μόνο δεν προκύπτει κάποια συγκεκριμένη καθυστέρηση φιλοξενούμενης υπηρεσίας, μέγιστο μέγεθος μεταφόρτωσης ή ενεργοποιημένη διαδρομή εφαρμογής.</p>",
  "aboutText": "Το Whisper large-v3 είναι ένα δημοσιευμένο checkpoint αναγνώρισης ομιλίας της OpenAI με περίπου 1,55 δισεκατομμύρια παραμέτρους. Είναι πολύγλωσσο μοντέλο κωδικοποιητή–αποκωδικοποιητή: ο ήχος εισέρχεται στον κωδικοποιητή και ο αποκωδικοποιητής προβλέπει κείμενο και token που σχετίζονται με την εργασία. Οι κύριες εργασίες είναι η απομαγνητοφώνηση ομιλίας στη γλώσσα προέλευσης και η μετάφραση ομιλίας στα αγγλικά. Πρόκειται για ταυτότητα μοντέλου με ανοικτά βάρη, η οποία διατηρείται ξεχωριστή από το αναγνωριστικό μοντέλου μιας φιλοξενούμενης υπηρεσίας ή από τους κανόνες μεταφόρτωσης και μορφής απόκρισης εκείνης της υπηρεσίας.\n\nΤο large-v3 διατηρεί την αρχιτεκτονική των προηγούμενων checkpoint Whisper large με δύο δηλωμένες αλλαγές: η είσοδος φασματογράμματος χρησιμοποιεί 128 ζώνες συχνοτήτων Mel αντί για 80 και προσθέτει ένα token για την καντονέζικη γλώσσα. Η κάρτα μοντέλου του παραγωγού περιγράφει εκπαίδευση σε ένα εκατομμύριο ώρες ήχου με ασθενή επισήμανση και σε τέσσερα εκατομμύρια ώρες ήχου με ψευδοετικέτες που προετοιμάστηκαν με το Whisper large-v2. Αυτό το μείγμα χρησιμοποιήθηκε για δύο εποχές εκπαίδευσης. Η έκδοση είναι ένα συγκεκριμένο checkpoint large-v3 και όχι ένα γενικό όνομα για κάθε μοντέλο της οικογένειας Whisper.\n\nΗ τεκμηριωμένη ροή συμπερασμού εκτελεί απομαγνητοφώνηση από προεπιλογή, διατηρώντας τη γλώσσα που ακούγεται στην ηχογράφηση. Μπορεί να εντοπίσει αυτόματα τη γλώσσα προέλευσης ή να δεχτεί επιλογή γνωστής γλώσσας. Για μετάφραση, το πολύγλωσσο μοντέλο large παρέχει αγγλικό κείμενο από ομιλία που δεν είναι στα αγγλικά. Επιλέξτε ρητά αυτή την εργασία: μια απομαγνητοφώνηση στην ίδια γλώσσα και μια αγγλική μετάφραση είναι διαφορετικά παραδοτέα. Για μια συνέντευξη, διατηρήστε τη διατύπωση στην αρχική γλώσσα· για ένα αγγλικό έγγραφο αναφοράς, προσδιορίστε ότι το επιθυμητό αποτέλεσμα είναι μετάφραση του προφορικού περιεχομένου.\n\nΗ προετοιμασία ήχου είναι μέρος της διαδρομής εισόδου. Ο φορτωτής της OpenAI αποκωδικοποιεί μια ηχογράφηση σε μονοφωνική κυματομορφή και τη δειγματοληπτεί εκ νέου στα 16 kHz. Το ακουστικό πεδίο υποδοχής του μοντέλου είναι 30 δευτερόλεπτα. Αυτό είναι παράθυρο επεξεργασίας και όχι μέγιστη διάρκεια μιας ολόκληρης συνέντευξης ή διάλεξης. Ο συμπερασμός για υλικό μεγάλης διάρκειας μπορεί να προχωρά διαδοχικά μέσω ολισθαινόντων παραθύρων ή να χωρίζει μια μεγάλη ηχογράφηση σε επικαλυπτόμενα τμήματα και να ενώνει τις απομαγνητοφωνήσεις τους. Η κάρτα μοντέλου του παραγωγού περιγράφει διαδοχική επεξεργασία όταν προτεραιότητα είναι η ακρίβεια και επεξεργασία κατά τμήματα όταν έχει μεγαλύτερη σημασία ο χρόνος ολοκλήρωσης μιας μεμονωμένης μεγάλης ηχογράφησης.\n\nΗ δημοσιευμένη διαμόρφωση αναφέρει 448 θέσεις αποκωδικοποιητή για μια μεμονωμένη ακολουθία αποκωδικοποίησης. Οι μεγαλύτερες ηχογραφήσεις αντιμετωπίζονται με τη διαδικασία μεγάλης διάρκειας και όχι θεωρώντας αυτόν τον αριθμό καθολικό όριο απομαγνητοφώνησης. Η τεκμηριωμένη ροή εργασίας μπορεί να επιστρέφει χρονικές σημάνσεις σε επίπεδο τμήματος ή λέξης μαζί με το αναγνωρισμένο κείμενο. Αυτές οι χρονικές πληροφορίες είναι χρήσιμες για πλοήγηση στις ηχογραφήσεις και προετοιμασία υποτίτλων, ενώ οποιοσδήποτε τελικός περιέκτης υποτίτλων ή μορφή αρχείου απομαγνητοφώνησης είναι ξεχωριστή επιλογή μορφοποίησης εξόδου. Διατηρήστε τον χρονισμό της ηχογράφησης όταν προετοιμάζετε τον ήχο, αν η απομαγνητοφώνηση πρόκειται να ευθυγραμμιστεί με το αρχικό υλικό.\n\nΟ προβλεπόμενος ρόλος του Whisper είναι η αναγνώριση και η μετάφραση ομιλίας. Μια απομαγνητοφώνηση διάλεξης, η καταγραφή μιας συνέντευξης ή μια αναζητήσιμη συλλογή προφορικού υλικού είναι πρακτικές έξοδοι· η σύνοψη ή η ερμηνεία μπορούν να ακολουθήσουν ως άλλο βήμα πάνω στο κείμενο. Η κάρτα μοντέλου δεν θεμελιώνει αξιόπιστη αυτόματη ταξινόμηση ομιλητών ή διαχωρισμό ομιλητών ως τυπική έξοδο του βασικού checkpoint. Αν μια εργασία χρειάζεται ετικέτες ομιλητών, αυτή η απαίτηση πρέπει να αντιμετωπίζεται ξεχωριστά από τον ισχυρισμό ότι η απομαγνητοφώνηση είναι ακριβής. Μια χρήσιμη περιγραφή απαιτήσεων προσδιορίζει τη γλώσσα προέλευσης, αν χρειάζεται απομαγνητοφώνηση ή αγγλική μετάφραση και αν απαιτούνται χρονικές πληροφορίες.\n\nΟυσιαστικοί περιορισμοί περιλαμβάνουν επινοημένο κείμενο που δεν εκφωνήθηκε ποτέ και επαναλαμβανόμενο κείμενο, τα οποία συνδέονται με την εκπαίδευση ασθενούς εποπτείας σε θορυβώδη δεδομένα και τον σχεδιασμό ακολουθίας προς ακολουθία. Η ποιότητα αναγνώρισης διαφέρει μεταξύ γλωσσών, προφορών και διαλέκτων, με ασθενέστερα αποτελέσματα όπου υπάρχει λιγότερο εκπαιδευτικό υλικό. Ο θόρυβος, το εξειδικευμένο λεξιλόγιο και η επικαλυπτόμενη ομιλία πρέπει συνεπώς να αντιπροσωπεύονται στο δείγμα που χρησιμοποιείται για την αξιολόγηση καταλληλότητας. Συγκρίνετε ονόματα, ποσότητες και σημαντικές δηλώσεις με την ηχογράφηση και εξετάστε τα αποσπάσματα χωρίς ομιλία ή τις επαναλαμβανόμενες γραμμές, αντί να αντιμετωπίζετε μια απομαγνητοφώνηση με φυσική ροή ως απόδειξη ότι ακούστηκε κάθε λέξη.\n\nΈνα πλήρες αποτέλεσμα διατηρεί το αναγνωρισμένο κείμενο, τη γλώσσα του και οποιεσδήποτε ζητημένες χρονικές πληροφορίες μαζί με αναφορά στην αρχική ηχογράφηση. Κρατήστε την απομαγνητοφώνηση ξεχωριστή από τη μεταγενέστερη επεξεργασία: μια διορθωμένη απομαγνητοφώνηση για δημοσίευση μπορεί να αφαιρεί γεμίσματα του λόγου, ενώ η αναγνωρισμένη απομαγνητοφώνηση διατηρεί ό,τι επέστρεψε πραγματικά το μοντέλο. Η ταυτότητα και η δυνατότητα μετάφρασης του large-v3 πρέπει επίσης να παραμένουν ξεχωριστές από την ταχύτερη έκδοση Turbo. Η πραγματική ταχύτητα επεξεργασίας εξαρτάται από τη γλώσσα, την ταχύτητα ομιλίας, το υλικό και τη μέθοδο συμπερασμού· από το όνομα του checkpoint και μόνο δεν προκύπτει κάποια συγκεκριμένη καθυστέρηση φιλοξενούμενης υπηρεσίας, μέγιστο μέγεθος μεταφόρτωσης ή ενεργοποιημένη διαδρομή εφαρμογής.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "0094cc66037731f72572ec61c368860a736483b03fc077a19c05a028bdf164de",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "el",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">O</span><h2 id=\"sheet-title\">OpenAI: Whisper Large V3</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Κλείσιμο\">×</button></div><div class=\"idline\"><span>OpenAI /</span><code>openai/whisper-large-v3</code><button type=\"button\" id=\"copy-id\">Αντιγραφή ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Ενότητες κάρτας μοντέλου\"><button type=\"button\" data-card-jump=\"overview\">Εισαγωγή</button><button type=\"button\" data-card-jump=\"methods\">Είσοδοι και μέθοδοι</button><button type=\"button\" data-card-jump=\"pricing\">Τιμολόγηση</button><button type=\"button\" data-card-jump=\"examples\">Παραδείγματα</button><button type=\"button\" data-card-jump=\"results\">Αποτελέσματα</button><button type=\"button\" data-card-jump=\"aliases\">Εναλλακτικά ονόματα</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Μέθοδοι API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fwhisper-large-v3\">Αναγνώριση</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Εισαγωγή</h3><p class=\"mdesc-full\">Το Whisper large-v3 είναι το πολύγλωσσο checkpoint αναγνώρισης ομιλίας της OpenAI με ανοικτά βάρη, για απομαγνητοφώνηση και μετάφραση ομιλίας στα αγγλικά. Μετατρέπει ηχογραφημένη ομιλία σε κείμενο, με τεκμηριωμένη επιλογή γλώσσας, χρονικές σημάνσεις και επεξεργασία μεγάλης διάρκειας πέρα από το ακουστικό παράθυρο των 30 δευτερολέπτων.</p><dl class=\"card-io\" data-card-io><div><dt>Αποδεκτές είσοδοι</dt><dd>Ήχος</dd></div><div><dt>Αποτελέσματα</dt><dd>transcription</dd></div></dl><details class=\"card-about\"><summary>Σχετικά με το μοντέλο</summary><p class=\"note-s\" data-model-method-boundary>Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.</p><div class=\"mabout\" id=\"m-about\"><p>Το Whisper large-v3 είναι ένα δημοσιευμένο checkpoint αναγνώρισης ομιλίας της OpenAI με περίπου 1,55 δισεκατομμύρια παραμέτρους. Είναι πολύγλωσσο μοντέλο κωδικοποιητή–αποκωδικοποιητή: ο ήχος εισέρχεται στον κωδικοποιητή και ο αποκωδικοποιητής προβλέπει κείμενο και token που σχετίζονται με την εργασία. Οι κύριες εργασίες είναι η απομαγνητοφώνηση ομιλίας στη γλώσσα προέλευσης και η μετάφραση ομιλίας στα αγγλικά. Πρόκειται για ταυτότητα μοντέλου με ανοικτά βάρη, η οποία διατηρείται ξεχωριστή από το αναγνωριστικό μοντέλου μιας φιλοξενούμενης υπηρεσίας ή από τους κανόνες μεταφόρτωσης και μορφής απόκρισης εκείνης της υπηρεσίας.</p><p>Το large-v3 διατηρεί την αρχιτεκτονική των προηγούμενων checkpoint Whisper large με δύο δηλωμένες αλλαγές: η είσοδος φασματογράμματος χρησιμοποιεί 128 ζώνες συχνοτήτων Mel αντί για 80 και προσθέτει ένα token για την καντονέζικη γλώσσα. Η κάρτα μοντέλου του παραγωγού περιγράφει εκπαίδευση σε ένα εκατομμύριο ώρες ήχου με ασθενή επισήμανση και σε τέσσερα εκατομμύρια ώρες ήχου με ψευδοετικέτες που προετοιμάστηκαν με το Whisper large-v2. Αυτό το μείγμα χρησιμοποιήθηκε για δύο εποχές εκπαίδευσης. Η έκδοση είναι ένα συγκεκριμένο checkpoint large-v3 και όχι ένα γενικό όνομα για κάθε μοντέλο της οικογένειας Whisper.</p><p>Η τεκμηριωμένη ροή συμπερασμού εκτελεί απομαγνητοφώνηση από προεπιλογή, διατηρώντας τη γλώσσα που ακούγεται στην ηχογράφηση. Μπορεί να εντοπίσει αυτόματα τη γλώσσα προέλευσης ή να δεχτεί επιλογή γνωστής γλώσσας. Για μετάφραση, το πολύγλωσσο μοντέλο large παρέχει αγγλικό κείμενο από ομιλία που δεν είναι στα αγγλικά. Επιλέξτε ρητά αυτή την εργασία: μια απομαγνητοφώνηση στην ίδια γλώσσα και μια αγγλική μετάφραση είναι διαφορετικά παραδοτέα. Για μια συνέντευξη, διατηρήστε τη διατύπωση στην αρχική γλώσσα· για ένα αγγλικό έγγραφο αναφοράς, προσδιορίστε ότι το επιθυμητό αποτέλεσμα είναι μετάφραση του προφορικού περιεχομένου.</p><p>Η προετοιμασία ήχου είναι μέρος της διαδρομής εισόδου. Ο φορτωτής της OpenAI αποκωδικοποιεί μια ηχογράφηση σε μονοφωνική κυματομορφή και τη δειγματοληπτεί εκ νέου στα 16 kHz. Το ακουστικό πεδίο υποδοχής του μοντέλου είναι 30 δευτερόλεπτα. Αυτό είναι παράθυρο επεξεργασίας και όχι μέγιστη διάρκεια μιας ολόκληρης συνέντευξης ή διάλεξης. Ο συμπερασμός για υλικό μεγάλης διάρκειας μπορεί να προχωρά διαδοχικά μέσω ολισθαινόντων παραθύρων ή να χωρίζει μια μεγάλη ηχογράφηση σε επικαλυπτόμενα τμήματα και να ενώνει τις απομαγνητοφωνήσεις τους. Η κάρτα μοντέλου του παραγωγού περιγράφει διαδοχική επεξεργασία όταν προτεραιότητα είναι η ακρίβεια και επεξεργασία κατά τμήματα όταν έχει μεγαλύτερη σημασία ο χρόνος ολοκλήρωσης μιας μεμονωμένης μεγάλης ηχογράφησης.</p><p>Η δημοσιευμένη διαμόρφωση αναφέρει 448 θέσεις αποκωδικοποιητή για μια μεμονωμένη ακολουθία αποκωδικοποίησης. Οι μεγαλύτερες ηχογραφήσεις αντιμετωπίζονται με τη διαδικασία μεγάλης διάρκειας και όχι θεωρώντας αυτόν τον αριθμό καθολικό όριο απομαγνητοφώνησης. Η τεκμηριωμένη ροή εργασίας μπορεί να επιστρέφει χρονικές σημάνσεις σε επίπεδο τμήματος ή λέξης μαζί με το αναγνωρισμένο κείμενο. Αυτές οι χρονικές πληροφορίες είναι χρήσιμες για πλοήγηση στις ηχογραφήσεις και προετοιμασία υποτίτλων, ενώ οποιοσδήποτε τελικός περιέκτης υποτίτλων ή μορφή αρχείου απομαγνητοφώνησης είναι ξεχωριστή επιλογή μορφοποίησης εξόδου. Διατηρήστε τον χρονισμό της ηχογράφησης όταν προετοιμάζετε τον ήχο, αν η απομαγνητοφώνηση πρόκειται να ευθυγραμμιστεί με το αρχικό υλικό.</p><p>Ο προβλεπόμενος ρόλος του Whisper είναι η αναγνώριση και η μετάφραση ομιλίας. Μια απομαγνητοφώνηση διάλεξης, η καταγραφή μιας συνέντευξης ή μια αναζητήσιμη συλλογή προφορικού υλικού είναι πρακτικές έξοδοι· η σύνοψη ή η ερμηνεία μπορούν να ακολουθήσουν ως άλλο βήμα πάνω στο κείμενο. Η κάρτα μοντέλου δεν θεμελιώνει αξιόπιστη αυτόματη ταξινόμηση ομιλητών ή διαχωρισμό ομιλητών ως τυπική έξοδο του βασικού checkpoint. Αν μια εργασία χρειάζεται ετικέτες ομιλητών, αυτή η απαίτηση πρέπει να αντιμετωπίζεται ξεχωριστά από τον ισχυρισμό ότι η απομαγνητοφώνηση είναι ακριβής. Μια χρήσιμη περιγραφή απαιτήσεων προσδιορίζει τη γλώσσα προέλευσης, αν χρειάζεται απομαγνητοφώνηση ή αγγλική μετάφραση και αν απαιτούνται χρονικές πληροφορίες.</p><p>Ουσιαστικοί περιορισμοί περιλαμβάνουν επινοημένο κείμενο που δεν εκφωνήθηκε ποτέ και επαναλαμβανόμενο κείμενο, τα οποία συνδέονται με την εκπαίδευση ασθενούς εποπτείας σε θορυβώδη δεδομένα και τον σχεδιασμό ακολουθίας προς ακολουθία. Η ποιότητα αναγνώρισης διαφέρει μεταξύ γλωσσών, προφορών και διαλέκτων, με ασθενέστερα αποτελέσματα όπου υπάρχει λιγότερο εκπαιδευτικό υλικό. Ο θόρυβος, το εξειδικευμένο λεξιλόγιο και η επικαλυπτόμενη ομιλία πρέπει συνεπώς να αντιπροσωπεύονται στο δείγμα που χρησιμοποιείται για την αξιολόγηση καταλληλότητας. Συγκρίνετε ονόματα, ποσότητες και σημαντικές δηλώσεις με την ηχογράφηση και εξετάστε τα αποσπάσματα χωρίς ομιλία ή τις επαναλαμβανόμενες γραμμές, αντί να αντιμετωπίζετε μια απομαγνητοφώνηση με φυσική ροή ως απόδειξη ότι ακούστηκε κάθε λέξη.</p><p>Ένα πλήρες αποτέλεσμα διατηρεί το αναγνωρισμένο κείμενο, τη γλώσσα του και οποιεσδήποτε ζητημένες χρονικές πληροφορίες μαζί με αναφορά στην αρχική ηχογράφηση. Κρατήστε την απομαγνητοφώνηση ξεχωριστή από τη μεταγενέστερη επεξεργασία: μια διορθωμένη απομαγνητοφώνηση για δημοσίευση μπορεί να αφαιρεί γεμίσματα του λόγου, ενώ η αναγνωρισμένη απομαγνητοφώνηση διατηρεί ό,τι επέστρεψε πραγματικά το μοντέλο. Η ταυτότητα και η δυνατότητα μετάφρασης του large-v3 πρέπει επίσης να παραμένουν ξεχωριστές από την ταχύτερη έκδοση Turbo. Η πραγματική ταχύτητα επεξεργασίας εξαρτάται από τη γλώσσα, την ταχύτητα ομιλίας, το υλικό και τη μέθοδο συμπερασμού· από το όνομα του checkpoint και μόνο δεν προκύπτει κάποια συγκεκριμένη καθυστέρηση φιλοξενούμενης υπηρεσίας, μέγιστο μέγεθος μεταφόρτωσης ή ενεργοποιημένη διαδρομή εφαρμογής.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Αναγνώριση ομιλίας</b> <code>POST /v1/audio/transcriptions</code></summary><dl class=\"method-capabilities\"><div><dt>Είσοδος</dt><dd><code>audio</code></dd></div><div><dt>Έξοδος</dt><dd><code>transcription</code></dd></div><div><dt>Μορφή εξόδου</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Πεδίο</th><th>Τύπος</th><th>Απαίτηση</th><th>Τιμές και όρια</th><th>Προεπιλογή</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>openai/whisper-large-v3</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">input_audio</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>object</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr data-parameter-availability=\"retained_official_STTRequest\"><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">language</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr data-parameter-availability=\"retained_official_STTRequest\"><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">temperature</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>number</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>Ελάχιστο: 0</div><div>Μέγιστο: 1</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr data-parameter-availability=\"retained_official_STTRequest\"><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">response_format</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>json, verbose_json</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"known\"><span class=\"card-cell-label\">Προεπιλογή</span>json</td></tr><tr data-parameter-availability=\"retained_official_STTRequest\"><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">timestamp_granularities</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>array</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr data-parameter-availability=\"retained_official_STTRequest\"><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>object</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>Συνδυασμοί υλικών εισόδου</summary><p class=\"note-s\"><b>speech_to_text</b> · Υποχρεωτικό: actual matching-format audio file</p></details><details class=\"note-s\" data-method-contract><summary>Παράμετροι και κύκλος ζωής μεθόδου</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Παράμετρος</th><th>Σύμβαση</th></tr></thead><tbody><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>content_types</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>application/json, multipart/form-data</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>required</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>model, input_audio</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>material_types</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>audio</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>JSON_audio</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>πραγματικά ακατέργαστα byte ήχου σε base64 μαζί με την αντίστοιχη μορφή</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>multipart_required</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>model, file</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>multipart_cap_bytes</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>26214400</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>optional_controls</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>language, temperature, response_format, timestamp_granularities, provider</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>default_response_format</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>json</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>optional_features</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>Η αναλυτική έξοδος, τα diarize/keyterms και ο ήχος μέσω URL ή μεγαλύτερου ενσωματωμένου περιεχομένου απαιτούν τη συγκεκριμένη δυνατότητα και το τιμολόγιο του μοντέλου ή παρόχου.</td></tr></tbody></table></div><p>Κύκλος ζωής: <code>synchronous_result_then_owned_library</code></p><p class=\"note-s\"><code>GET /v1/media/tasks/{task_id}</code> · Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων</p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}/content</code></p><p class=\"note-s\"><code>GET /v1/media/assets</code></p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}</code></p><p class=\"note-s\">Χρησιμοποιήστε το ακριβές μοντέλο και τα τεκμηριωμένα πεδία εισόδου.</p><p class=\"note-s\">Διατηρήστε ολόκληρη την απόκριση, κάθε πραγματική έξοδο και τα αρχικά ID που επιστρέφονται.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Τιμολόγηση</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.</p><dl data-price-conditions><dt>Γρήγορη λειτουργία</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν επιλέγεται η γρήγορη λειτουργία</span></dd><dt>Λειτουργία flex</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν επιλέγεται η λειτουργία flex</span></dd><dt>Μέγιστη προσπάθεια συλλογισμού</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default</span></dd></dl></div><div data-declared-tariff-pricing><h4>Χρεώσεις Ailoot</h4><h4>Τιμές ανά διαμόρφωση</h4><p class=\"note-s\">Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Διαμόρφωση</th><th>Πίνακας χρεώσεων</th><th>Μονάδα τιμολόγησης</th><th>Χρέωση</th></tr></thead><tbody><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>Βασικές χρεώσεις token</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>Βασική χρέωση</td><td data-cell-label=\"Μονάδα τιμολόγησης\"><span class=\"card-cell-label\">Μονάδα τιμολόγησης</span>—</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · Token εισόδου</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Έξοδος · Token εξόδου</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Ανάγνωση από την κρυφή μνήμη</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>Ultra</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>—</td><td data-cell-label=\"Μονάδα τιμολόγησης\"><span class=\"card-cell-label\">Μονάδα τιμολόγησης</span>ανά δευτερόλεπτο ήχου εισόδου</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · δευτερόλεπτο ήχου εισόδου</span> <b>$0.000015</b> <span class=\"price-unit\">ανά δευτερόλεπτο ήχου εισόδου</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. <a href=\"/docs/el/billing/reserve/\">Πώς λειτουργούν η δέσμευση και η εκκαθάριση →</a></p><div data-declared-reference-pricing><h4>Στοιχεία τιμοκαταλόγου αναφοράς</h4><p class=\"note-s\">Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.</p><details class=\"card-price-reference\" data-declared-reference-group data-client-selectable=\"false\"><summary>OpenAI: Whisper Large V3</summary><h4>Τιμές ανά διαμόρφωση</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Διαμόρφωση</th><th>Συνθήκες χρέωσης</th><th>Χρέωση</th></tr></thead><tbody><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>OpenAI: Whisper Large V3 · Προεπιλεγμένη διαμόρφωση</th><td data-cell-label=\"Συνθήκες χρέωσης\"><span class=\"card-cell-label\">Συνθήκες χρέωσης</span>Προεπιλεγμένη διαμόρφωση</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · Δευτερόλεπτα ήχου εισόδου</span> <b>0,000015 $</b> <span class=\"price-unit\">ανά δευτερόλεπτο ήχου εισόδου</span></div></td></tr></tbody></table></div></details></div></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Παραδείγματα αιτημάτων</h3><h4>Ailoot Ultra · Αναγνώριση ομιλίας</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Παραλλαγές κώδικα\"><button class=\"cg-tab\" id=\"model-code-2185-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2185-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · ακριβές εγγενές σώμα και πλήρες αποτέλεσμα</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Αντιγραφή κώδικα\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2185-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2185-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}&quot;\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ[&#39;AILOOT_AUDIO_FILE&#39;]).read_bytes()\nif not (audio[:4]==b&#39;RIFF&#39; and audio[8:12]==b&#39;WAVE&#39;): raise SystemExit(&#39;Supply an actual WAV audio file&#39;)\nif len(audio)&gt;26214400: raise SystemExit(&#39;Use a documented supported large-file flow&#39;)\nrequest={&#39;model&#39;: &#39;openai/whisper-large-v3&#39;, &#39;input_audio&#39;: {&#39;data&#39;: &#39;${BASE64_ACTUAL_WAV_BYTES}&#39;, &#39;format&#39;: &#39;wav&#39;}}\nrequest[&#39;input_audio&#39;][&#39;data&#39;]=base64.b64encode(audio).decode(&#39;ascii&#39;)\nPath(&#39;request.json&#39;).write_text(json.dumps(request,ensure_ascii=False),encoding=&#39;utf-8&#39;)\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Λήψη και αποθήκευση αποτελεσμάτων</h3><h4>Ailoot Ultra · Αναγνώριση ομιλίας</h4><p class=\"note-s\">json</p><ul class=\"card-result-paths\"><li><code>GET /v1/media/tasks/{task_id}</code></li><li><code>GET /v1/media/assets/{asset_id}/content</code></li><li><code>GET /v1/media/assets</code></li><li><code>GET /v1/media/assets/{asset_id}</code></li></ul><div class=\"card-result-process\" data-all-results><h5>Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα</h5><p class=\"note-s\">Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.</p><p class=\"note-s\">Ολόκληρο το αρχικό JSON, όλο το διαθέσιμο κείμενο, τα τμήματα, οι λέξεις, οι ομιλητές, οι χρονικές σημάνσεις και η χρήση.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Αν χρειάζεται έλεγχος της αρχικής απάντησης</h5><p class=\"note-s\">Διατηρήστε το αρχικό operation_id/X-Client-Request-ID και την αρχική απόκριση. Διαβάστε πραγματικές εγγραφές εργασιών και αρχείων πολυμέσων που σας ανήκουν, χωρίς επανυποβολή· δεν κατασκευάζεται ειδικό URL περιοδικού ελέγχου ήχου.</p></div><details class=\"card-about\" data-output-fields><summary>Πεδία απάντησης</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Πεδίο</th><th>Τύπος</th></tr></thead><tbody><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">text</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span>string</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span>object</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">segments[]</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span>object</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">words[]</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span>object</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Εναλλακτικά ονόματα</h3><h4>Εναλλακτικά ονόματα μοντέλου</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=openai%2Fwhisper-large-v3&amp;route=Ultra&amp;caller=openai%2Fwhisper-large-v3&amp;fmt=transcriptions\"><code>openai/whisper-large-v3</code></a></span></p><h4>Εναλλακτικές διαδρομές μεθόδων</h4><p class=\"note-s\">Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.</p><h4>Σχετικά ID μοντέλων</h4><p class=\"note-s\"><a href=\"#m=openai%2Fwhisper-large-v3&amp;route=Ultra&amp;caller=openai%2Fwhisper-large-v3&amp;fmt=transcriptions\"><code>openai/whisper-large-v3</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "openai/whisper-large-v3",
        "fmt": "transcriptions",
        "http": "POST",
        "path": "/v1/audio/transcriptions",
        "request_model_id": "openai/whisper-large-v3",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fwhisper-large-v3",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Complete original JSON, all available text/segments/words/speakers/timestamps and usage.",
            "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 URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Διατηρήστε το αρχικό operation_id/X-Client-Request-ID και την αρχική απόκριση. Διαβάστε πραγματικές εγγραφές εργασιών και αρχείων πολυμέσων που σας ανήκουν, χωρίς επανυποβολή· δεν κατασκευάζεται ειδικό URL περιοδικού ελέγχου ήχου."
            },
            "material_combinations": [
              {
                "content_types": [
                  "application/json",
                  "multipart/form-data"
                ],
                "mode": "speech_to_text",
                "required": [
                  "actual matching-format audio file"
                ]
              }
            ],
            "outputs": {
              "all_results": "Ολόκληρο το αρχικό JSON, όλο το διαθέσιμο κείμενο, τα τμήματα, οι λέξεις, οι ομιλητές, οι χρονικές σημάνσεις και η χρήση.",
              "family": "transcription",
              "fields": [
                {
                  "name": "text",
                  "type": "string"
                },
                {
                  "name": "usage",
                  "type": "object"
                },
                {
                  "name": "segments[]",
                  "optional": true,
                  "type": "object"
                },
                {
                  "name": "words[]",
                  "optional": true,
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "enum": [
                  "openai/whisper-large-v3"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "data_encoding": "base64 raw actual audio bytes, not data URI",
                "fields": [
                  "data",
                  "format"
                ],
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "ISO-639-1 code; omitted means auto-detection",
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "availability": "retained_official_STTRequest",
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "availability": "retained_official_STTRequest",
                "default": "json",
                "default_known": true,
                "description": "verbose_json requires exact model/provider support",
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "Only used with supported verbose_json",
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "openai/whisper-large-v3"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "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"
              },
              "content_type": "application/json"
            }
          },
          "hints": [
            "Χρησιμοποιήστε το ακριβές μοντέλο και τα τεκμηριωμένα πεδία εισόδου.",
            "Διατηρήστε ολόκληρη την απόκριση, κάθε πραγματική έξοδο και τα αρχικά ID που επιστρέφονται."
          ],
          "input": {
            "JSON_audio": "πραγματικά ακατέργαστα byte ήχου σε base64 μαζί με την αντίστοιχη μορφή",
            "content_types": [
              "application/json",
              "multipart/form-data"
            ],
            "default_response_format": "json",
            "material_types": [
              "audio"
            ],
            "multipart_cap_bytes": 26214400,
            "multipart_required": [
              "model",
              "file"
            ],
            "optional_controls": [
              "language",
              "temperature",
              "response_format",
              "timestamp_granularities",
              "provider"
            ],
            "optional_features": "Η αναλυτική έξοδος, τα diarize/keyterms και ο ήχος μέσω URL ή μεγαλύτερου ενσωματωμένου περιεχομένου απαιτούν τη συγκεκριμένη δυνατότητα και το τιμολόγιο του μοντέλου ή παρόχου.",
            "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 URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Retain original operation_id/X-Client-Request-ID and original response. Read actual owned task/asset records without resubmitting; no dedicated audio poll URL is constructed."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "method_aliases": [],
          "operation_modes": [
            "speech_to_text"
          ],
          "output": {
            "all_results": "Complete original JSON, all available text/segments/words/speakers/timestamps and usage.",
            "family": "transcription",
            "format": "json"
          }
        },
        "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": {
              "quantity_basis": "actual physical units",
              "quoted_unit": "per audio input second"
            },
            "label": "Ultra",
            "units": [
              {
                "amount": "0.000015",
                "amount_unit": "usd_per_audio_input_second",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "audio input second",
                "native_amount_usd_per_unit": "0.000015",
                "native_quantity": 1,
                "public_unit_label": "per audio input 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 WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'openai/whisper-large-v3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\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# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact model and documented input fields.",
          "Keep the complete response, every actual output and original returned IDs."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Распознавание речи",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "transcription"
        ],
        "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": 1.5e-05
          }
        },
        "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": {
              "quantity_basis": "actual physical units",
              "quoted_unit": "per audio input second"
            },
            "label": "Ultra",
            "units": [
              {
                "amount": "0.000015",
                "amount_unit": "usd_per_audio_input_second",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "audio input second",
                "native_amount_usd_per_unit": "0.000015",
                "native_quantity": 1,
                "public_unit_label": "per audio input 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",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}",
          "GET /v1/media/assets/{asset_id}/content"
        ],
        "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": "0.000015",
            "amount_unit": "usd_per_audio_input_second",
            "billing_input": true,
            "estimate_only": false,
            "key": "audio_input_second",
            "label": "audio input second",
            "native_amount_usd_per_unit": "0.000015",
            "native_quantity": 1,
            "public_unit_label": "per audio input 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",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "9d92f943e8c6a47f6a646c97f31f98ac342c3135da6186748b9f14d71763d4ff",
    "input_html_sha256": "658efc76feb6cb08309f4aea75c3a820dfaffeb5af3915a280800fa5c0d0ad4b",
    "private_audit_sha256": "7d0042f81d6cb9f8caa8f7f4f798c858d9acd17840dcf17f44bde3676de6931e",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/el/openai-whisper-large-v3/",
    "description": "Το Whisper large-v3 είναι το πολύγλωσσο checkpoint αναγνώρισης ομιλίας της OpenAI με ανοικτά βάρη, για απομαγνητοφώνηση και μετάφραση ομιλίας στα αγγλικά. Μετατρέπει ηχογραφημένη ομιλία σε κείμενο, με τεκμηριωμένη επιλογή γλώσσας, χρονικές σημάνσεις και επεξεργασία μεγάλης διάρκειας πέρα από το ακουστικό παράθυρο των 30 δευτερολέπτων.",
    "locale": "el",
    "md_url": "https://ailoot.ai/models/el/openai-whisper-large-v3/index.md",
    "title": "OpenAI: Whisper Large V3 — Ailoot",
    "url": "https://ailoot.ai/models/el/openai-whisper-large-v3/"
  },
  "rawModel": {
    "about": "Το Whisper large-v3 είναι ένα δημοσιευμένο checkpoint αναγνώρισης ομιλίας της OpenAI με περίπου 1,55 δισεκατομμύρια παραμέτρους. Είναι πολύγλωσσο μοντέλο κωδικοποιητή–αποκωδικοποιητή: ο ήχος εισέρχεται στον κωδικοποιητή και ο αποκωδικοποιητής προβλέπει κείμενο και token που σχετίζονται με την εργασία. Οι κύριες εργασίες είναι η απομαγνητοφώνηση ομιλίας στη γλώσσα προέλευσης και η μετάφραση ομιλίας στα αγγλικά. Πρόκειται για ταυτότητα μοντέλου με ανοικτά βάρη, η οποία διατηρείται ξεχωριστή από το αναγνωριστικό μοντέλου μιας φιλοξενούμενης υπηρεσίας ή από τους κανόνες μεταφόρτωσης και μορφής απόκρισης εκείνης της υπηρεσίας.\n\nΤο large-v3 διατηρεί την αρχιτεκτονική των προηγούμενων checkpoint Whisper large με δύο δηλωμένες αλλαγές: η είσοδος φασματογράμματος χρησιμοποιεί 128 ζώνες συχνοτήτων Mel αντί για 80 και προσθέτει ένα token για την καντονέζικη γλώσσα. Η κάρτα μοντέλου του παραγωγού περιγράφει εκπαίδευση σε ένα εκατομμύριο ώρες ήχου με ασθενή επισήμανση και σε τέσσερα εκατομμύρια ώρες ήχου με ψευδοετικέτες που προετοιμάστηκαν με το Whisper large-v2. Αυτό το μείγμα χρησιμοποιήθηκε για δύο εποχές εκπαίδευσης. Η έκδοση είναι ένα συγκεκριμένο checkpoint large-v3 και όχι ένα γενικό όνομα για κάθε μοντέλο της οικογένειας Whisper.\n\nΗ τεκμηριωμένη ροή συμπερασμού εκτελεί απομαγνητοφώνηση από προεπιλογή, διατηρώντας τη γλώσσα που ακούγεται στην ηχογράφηση. Μπορεί να εντοπίσει αυτόματα τη γλώσσα προέλευσης ή να δεχτεί επιλογή γνωστής γλώσσας. Για μετάφραση, το πολύγλωσσο μοντέλο large παρέχει αγγλικό κείμενο από ομιλία που δεν είναι στα αγγλικά. Επιλέξτε ρητά αυτή την εργασία: μια απομαγνητοφώνηση στην ίδια γλώσσα και μια αγγλική μετάφραση είναι διαφορετικά παραδοτέα. Για μια συνέντευξη, διατηρήστε τη διατύπωση στην αρχική γλώσσα· για ένα αγγλικό έγγραφο αναφοράς, προσδιορίστε ότι το επιθυμητό αποτέλεσμα είναι μετάφραση του προφορικού περιεχομένου.\n\nΗ προετοιμασία ήχου είναι μέρος της διαδρομής εισόδου. Ο φορτωτής της OpenAI αποκωδικοποιεί μια ηχογράφηση σε μονοφωνική κυματομορφή και τη δειγματοληπτεί εκ νέου στα 16 kHz. Το ακουστικό πεδίο υποδοχής του μοντέλου είναι 30 δευτερόλεπτα. Αυτό είναι παράθυρο επεξεργασίας και όχι μέγιστη διάρκεια μιας ολόκληρης συνέντευξης ή διάλεξης. Ο συμπερασμός για υλικό μεγάλης διάρκειας μπορεί να προχωρά διαδοχικά μέσω ολισθαινόντων παραθύρων ή να χωρίζει μια μεγάλη ηχογράφηση σε επικαλυπτόμενα τμήματα και να ενώνει τις απομαγνητοφωνήσεις τους. Η κάρτα μοντέλου του παραγωγού περιγράφει διαδοχική επεξεργασία όταν προτεραιότητα είναι η ακρίβεια και επεξεργασία κατά τμήματα όταν έχει μεγαλύτερη σημασία ο χρόνος ολοκλήρωσης μιας μεμονωμένης μεγάλης ηχογράφησης.\n\nΗ δημοσιευμένη διαμόρφωση αναφέρει 448 θέσεις αποκωδικοποιητή για μια μεμονωμένη ακολουθία αποκωδικοποίησης. Οι μεγαλύτερες ηχογραφήσεις αντιμετωπίζονται με τη διαδικασία μεγάλης διάρκειας και όχι θεωρώντας αυτόν τον αριθμό καθολικό όριο απομαγνητοφώνησης. Η τεκμηριωμένη ροή εργασίας μπορεί να επιστρέφει χρονικές σημάνσεις σε επίπεδο τμήματος ή λέξης μαζί με το αναγνωρισμένο κείμενο. Αυτές οι χρονικές πληροφορίες είναι χρήσιμες για πλοήγηση στις ηχογραφήσεις και προετοιμασία υποτίτλων, ενώ οποιοσδήποτε τελικός περιέκτης υποτίτλων ή μορφή αρχείου απομαγνητοφώνησης είναι ξεχωριστή επιλογή μορφοποίησης εξόδου. Διατηρήστε τον χρονισμό της ηχογράφησης όταν προετοιμάζετε τον ήχο, αν η απομαγνητοφώνηση πρόκειται να ευθυγραμμιστεί με το αρχικό υλικό.\n\nΟ προβλεπόμενος ρόλος του Whisper είναι η αναγνώριση και η μετάφραση ομιλίας. Μια απομαγνητοφώνηση διάλεξης, η καταγραφή μιας συνέντευξης ή μια αναζητήσιμη συλλογή προφορικού υλικού είναι πρακτικές έξοδοι· η σύνοψη ή η ερμηνεία μπορούν να ακολουθήσουν ως άλλο βήμα πάνω στο κείμενο. Η κάρτα μοντέλου δεν θεμελιώνει αξιόπιστη αυτόματη ταξινόμηση ομιλητών ή διαχωρισμό ομιλητών ως τυπική έξοδο του βασικού checkpoint. Αν μια εργασία χρειάζεται ετικέτες ομιλητών, αυτή η απαίτηση πρέπει να αντιμετωπίζεται ξεχωριστά από τον ισχυρισμό ότι η απομαγνητοφώνηση είναι ακριβής. Μια χρήσιμη περιγραφή απαιτήσεων προσδιορίζει τη γλώσσα προέλευσης, αν χρειάζεται απομαγνητοφώνηση ή αγγλική μετάφραση και αν απαιτούνται χρονικές πληροφορίες.\n\nΟυσιαστικοί περιορισμοί περιλαμβάνουν επινοημένο κείμενο που δεν εκφωνήθηκε ποτέ και επαναλαμβανόμενο κείμενο, τα οποία συνδέονται με την εκπαίδευση ασθενούς εποπτείας σε θορυβώδη δεδομένα και τον σχεδιασμό ακολουθίας προς ακολουθία. Η ποιότητα αναγνώρισης διαφέρει μεταξύ γλωσσών, προφορών και διαλέκτων, με ασθενέστερα αποτελέσματα όπου υπάρχει λιγότερο εκπαιδευτικό υλικό. Ο θόρυβος, το εξειδικευμένο λεξιλόγιο και η επικαλυπτόμενη ομιλία πρέπει συνεπώς να αντιπροσωπεύονται στο δείγμα που χρησιμοποιείται για την αξιολόγηση καταλληλότητας. Συγκρίνετε ονόματα, ποσότητες και σημαντικές δηλώσεις με την ηχογράφηση και εξετάστε τα αποσπάσματα χωρίς ομιλία ή τις επαναλαμβανόμενες γραμμές, αντί να αντιμετωπίζετε μια απομαγνητοφώνηση με φυσική ροή ως απόδειξη ότι ακούστηκε κάθε λέξη.\n\nΈνα πλήρες αποτέλεσμα διατηρεί το αναγνωρισμένο κείμενο, τη γλώσσα του και οποιεσδήποτε ζητημένες χρονικές πληροφορίες μαζί με αναφορά στην αρχική ηχογράφηση. Κρατήστε την απομαγνητοφώνηση ξεχωριστή από τη μεταγενέστερη επεξεργασία: μια διορθωμένη απομαγνητοφώνηση για δημοσίευση μπορεί να αφαιρεί γεμίσματα του λόγου, ενώ η αναγνωρισμένη απομαγνητοφώνηση διατηρεί ό,τι επέστρεψε πραγματικά το μοντέλο. Η ταυτότητα και η δυνατότητα μετάφρασης του large-v3 πρέπει επίσης να παραμένουν ξεχωριστές από την ταχύτερη έκδοση Turbo. Η πραγματική ταχύτητα επεξεργασίας εξαρτάται από τη γλώσσα, την ταχύτητα ομιλίας, το υλικό και τη μέθοδο συμπερασμού· από το όνομα του checkpoint και μόνο δεν προκύπτει κάποια συγκεκριμένη καθυστέρηση φιλοξενούμενης υπηρεσίας, μέγιστο μέγεθος μεταφόρτωσης ή ενεργοποιημένη διαδρομή εφαρμογής.",
    "alias_of": null,
    "aliases": [],
    "author": "OpenAI",
    "available": null,
    "canonical_model": "openai/whisper-large-v3",
    "capabilities": {
      "context_length": 0,
      "manufacturer_input": [
        "audio"
      ],
      "manufacturer_output": [
        "transcription"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.000015",
            "amount_unit": "usd_per_audio_input_second",
            "billing_input": true,
            "estimate_only": false,
            "key": "audio_input_second",
            "label": "audio input second",
            "native_amount_usd_per_unit": "0.000015",
            "native_quantity": 1,
            "public_unit_label": "per audio input second",
            "quantity": "1",
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          }
        ],
        "summary": "Πλήρης τιμολόγηση της διαμόρφωσης στις λεπτομέρειες."
      }
    ],
    "ctx": null,
    "declared_tariff_references": [
      {
        "client_selectable": false,
        "key": "ee57dbbfe5ae56bdd0d7",
        "label": "OpenAI: Whisper Large V3",
        "profiles": [
          {
            "basis": "",
            "dimensions": {
              "conditions": "Προεπιλεγμένη διαμόρφωση"
            },
            "label": "OpenAI: Whisper Large V3 · Προεπιλεγμένη διαμόρφωση",
            "units": [
              {
                "amount": "0.0000150",
                "amount_unit": "usd_per_exact_physical_unit",
                "billing_input": false,
                "key": "e474c121b23c5635611dfde4",
                "label": "Input audio seconds",
                "public_unit_label": "per input audio second",
                "quantity": "1",
                "rate_role": "declared_tariff_rate",
                "side": "in",
                "unit": "input_audio_second"
              }
            ]
          }
        ]
      }
    ],
    "entity_type": "model",
    "formats": [
      "transcriptions"
    ],
    "id": "openai/whisper-large-v3",
    "input": [
      "audio"
    ],
    "kind": "transcription",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Complete original JSON, all available text/segments/words/speakers/timestamps and usage.",
            "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 URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Διατηρήστε το αρχικό operation_id/X-Client-Request-ID και την αρχική απόκριση. Διαβάστε πραγματικές εγγραφές εργασιών και αρχείων πολυμέσων που σας ανήκουν, χωρίς επανυποβολή· δεν κατασκευάζεται ειδικό URL περιοδικού ελέγχου ήχου."
            },
            "material_combinations": [
              {
                "content_types": [
                  "application/json",
                  "multipart/form-data"
                ],
                "mode": "speech_to_text",
                "required": [
                  "actual matching-format audio file"
                ]
              }
            ],
            "outputs": {
              "all_results": "Ολόκληρο το αρχικό JSON, όλο το διαθέσιμο κείμενο, τα τμήματα, οι λέξεις, οι ομιλητές, οι χρονικές σημάνσεις και η χρήση.",
              "family": "transcription",
              "fields": [
                {
                  "name": "text",
                  "type": "string"
                },
                {
                  "name": "usage",
                  "type": "object"
                },
                {
                  "name": "segments[]",
                  "optional": true,
                  "type": "object"
                },
                {
                  "name": "words[]",
                  "optional": true,
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "enum": [
                  "openai/whisper-large-v3"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "data_encoding": "base64 raw actual audio bytes, not data URI",
                "fields": [
                  "data",
                  "format"
                ],
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "ISO-639-1 code; omitted means auto-detection",
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "availability": "retained_official_STTRequest",
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "availability": "retained_official_STTRequest",
                "default": "json",
                "default_known": true,
                "description": "verbose_json requires exact model/provider support",
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "Only used with supported verbose_json",
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "availability": "retained_official_STTRequest",
                "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "openai/whisper-large-v3"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "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"
              },
              "content_type": "application/json"
            }
          },
          "hints": [
            "Χρησιμοποιήστε το ακριβές μοντέλο και τα τεκμηριωμένα πεδία εισόδου.",
            "Διατηρήστε ολόκληρη την απόκριση, κάθε πραγματική έξοδο και τα αρχικά ID που επιστρέφονται."
          ],
          "input": {
            "JSON_audio": "πραγματικά ακατέργαστα byte ήχου σε base64 μαζί με την αντίστοιχη μορφή",
            "content_types": [
              "application/json",
              "multipart/form-data"
            ],
            "default_response_format": "json",
            "material_types": [
              "audio"
            ],
            "multipart_cap_bytes": 26214400,
            "multipart_required": [
              "model",
              "file"
            ],
            "optional_controls": [
              "language",
              "temperature",
              "response_format",
              "timestamp_granularities",
              "provider"
            ],
            "optional_features": "Η αναλυτική έξοδος, τα diarize/keyterms και ο ήχος μέσω URL ή μεγαλύτερου ενσωματωμένου περιεχομένου απαιτούν τη συγκεκριμένη δυνατότητα και το τιμολόγιο του μοντέλου ή παρόχου.",
            "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 URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Retain original operation_id/X-Client-Request-ID and original response. Read actual owned task/asset records without resubmitting; no dedicated audio poll URL is constructed."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "method_aliases": [],
          "operation_modes": [
            "speech_to_text"
          ],
          "output": {
            "all_results": "Complete original JSON, all available text/segments/words/speakers/timestamps and usage.",
            "family": "transcription",
            "format": "json"
          }
        },
        "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": {
              "quantity_basis": "actual physical units",
              "quoted_unit": "per audio input second"
            },
            "label": "Ultra",
            "units": [
              {
                "amount": "0.000015",
                "amount_unit": "usd_per_audio_input_second",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "audio input second",
                "native_amount_usd_per_unit": "0.000015",
                "native_quantity": 1,
                "public_unit_label": "per audio input 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 WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'openai/whisper-large-v3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\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# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact model and documented input fields.",
          "Keep the complete response, every actual output and original returned IDs."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Распознавание речи",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "transcription"
        ],
        "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": 1.5e-05
          }
        },
        "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": {
              "quantity_basis": "actual physical units",
              "quoted_unit": "per audio input second"
            },
            "label": "Ultra",
            "units": [
              {
                "amount": "0.000015",
                "amount_unit": "usd_per_audio_input_second",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "audio input second",
                "native_amount_usd_per_unit": "0.000015",
                "native_quantity": 1,
                "public_unit_label": "per audio input 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",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}",
          "GET /v1/media/assets/{asset_id}/content"
        ],
        "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": "0.000015",
            "amount_unit": "usd_per_audio_input_second",
            "billing_input": true,
            "estimate_only": false,
            "key": "audio_input_second",
            "label": "audio input second",
            "native_amount_usd_per_unit": "0.000015",
            "native_quantity": 1,
            "public_unit_label": "per audio input 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",
        "request_model_id": "openai/whisper-large-v3",
        "route_label": "Ultra"
      }
    ],
    "name": "OpenAI: Whisper Large V3",
    "price": {
      "in": null,
      "in_label": null,
      "out": null,
      "out_label": null,
      "sort_in": null,
      "sort_out": null,
      "varies": true
    },
    "pricing_profiles": [
      {
        "applicability": {
          "client_selectable": false,
          "native_profile_selection_pending": true,
          "scope": "hosted_reference"
        },
        "dimensions": {
          "variant": null
        },
        "label": "Ultra",
        "units": [
          {
            "amount": "0.0000616666666666",
            "amount_unit": "usd_per_audio_input_second",
            "conditions": {
              "variant": null
            },
            "key": "pricing.prompt",
            "label": "prompt",
            "profile_index": 0,
            "quantity": "1",
            "rate_role": "binding_component_rate",
            "side": "in",
            "unit": "audio_input_second"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_not_separately_charged_output",
            "conditions": {
              "variant": null
            },
            "key": "pricing.completion",
            "label": "completion",
            "profile_index": 0,
            "quantity": "1",
            "rate_role": "binding_component_rate",
            "side": "out",
            "unit": "not_separately_charged_output"
          }
        ]
      }
    ],
    "public_id": "openai/whisper-large-v3",
    "short": "Το Whisper large-v3 είναι το πολύγλωσσο checkpoint αναγνώρισης ομιλίας της OpenAI με ανοικτά βάρη, για απομαγνητοφώνηση και μετάφραση ομιλίας στα αγγλικά. Μετατρέπει ηχογραφημένη ομιλία σε κείμενο, με τεκμηριωμένη επιλογή γλώσσας, χρονικές σημάνσεις και επεξεργασία μεγάλης διάρκειας πέρα από το ακουστικό παράθυρο των 30 δευτερολέπτων."
  },
  "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": "Το Whisper large-v3 είναι το πολύγλωσσο checkpoint αναγνώρισης ομιλίας της OpenAI με ανοικτά βάρη, για απομαγνητοφώνηση και μετάφραση ομιλίας στα αγγλικά. Μετατρέπει ηχογραφημένη ομιλία σε κείμενο, με τεκμηριωμένη επιλογή γλώσσας, χρονικές σημάνσεις και επεξεργασία μεγάλης διάρκειας πέρα από το ακουστικό παράθυρο των 30 δευτερολέπτων.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "e0a87ddaa1fcbeac4751c4f80e9d9bbd42314c867df43fe302ce4c7968265232",
    "renderer_sha256": "3ed36f7af4f78822bafbd174fdcaed7b698a18a86efe254253d37f1b098a7566"
  },
  "sourceRevision": "1391bc7fb6fc80118095ecc873dff9ee2d2b3afb1df07b69bada8599de29b67b"
}