Source: https://ailoot.ai/models/fi/openai-whisper-large-v3/ Canonical: https://ailoot.ai/models/fi/openai-whisper-large-v3/ Language: fi # OpenAI: Whisper Large V3 [Markdown](https://ailoot.ai/models/fi/openai-whisper-large-v3/index.md) · [JSON](https://ailoot.ai/models/fi/openai-whisper-large-v3/facts.json) ## [OpenAI: Whisper Large V3](https://ailoot.ai/models/fi/openai-whisper-large-v3/) Whisper large-v3 on OpenAI:n avoimen painojulkaisun monikielinen puheentunnistuksen tarkistuspiste litterointiin ja puheen kääntämiseen englanniksi. Se muuntaa tallennetun puheen tekstiksi ja tarjoaa dokumentoidun kielenvalinnan, aikaleimat sekä pitkien tallenteiden käsittelyn 30 sekunnin akustisen ikkunan ulkopuolella. - [**Ailoot Ultra · Puheentunnistus** `POST /v1/audio/transcriptions` `openai/whisper-large-v3`](https://ailoot.ai/models/fi/openai-whisper-large-v3/#method-0) Tietoa mallista Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle. Whisper large-v3 on julkaistu OpenAI:n puheentunnistuksen tarkistuspiste, jossa on noin 1.55 miljardia parametria. Se on monikielinen enkooderi–dekooderimalli: ääni syötetään enkooderiin ja dekooderi ennustaa tekstiä sekä tehtävään liittyviä tokeneita. Päätehtävät ovat puheen litterointi lähdekielellä ja puheen kääntäminen englanniksi. Kyse on avoimen painojulkaisun malli-identiteetistä, joka pidetään erillään isännöidyn palvelun mallitunnisteesta sekä kyseisen palvelun lataus- ja vastausmuotosäännöistä. Large-v3 säilyttää aiempien suurten Whisper-tarkistuspisteiden arkkitehtuurin kahdella ilmoitetulla muutoksella: spektrogrammisyöte käyttää 128 Mel-taajuuskaistaa 80:n sijaan, ja se lisää kantoninkiinan kielitokenin. Valmistajan mallikortti kuvaa koulutuksen perustuvan miljoonaan tuntiin heikosti merkittyä ääntä ja neljään miljoonaan tuntiin Whisper large-v2:lla valmisteltua pseudomerkittyä ääntä. Tätä yhdistelmää käytettiin kahden koulutusepookin ajan. Julkaisu on tietty large-v3-tarkistuspiste, ei yleisnimi jokaiselle Whisper-perheen mallille. Dokumentoitu päättelytyönkulku suorittaa oletusarvoisesti litteroinnin ja säilyttää tallenteessa puhutun kielen. Se voi tunnistaa lähdekielen automaattisesti tai vastaanottaa tunnetun kielivalinnan. Käännöstehtävässä monikielinen large-malli tuottaa englanninkielisen tekstin muunkielisestä puheesta. Valitse tehtävä nimenomaisesti: samankielinen litterointi ja englanninkielinen käännös ovat eri tuotoksia. Säilytä haastattelussa alkuperäiskielinen sanamuoto; määritä englanninkielistä viiteasiakirjaa varten, että haluttu tulos on puhutun sisällön käännös. Äänen valmistelu on osa syötepolkua. OpenAI:n lataaja purkaa tallenteen monoaaltomuodoksi ja muuntaa näytteenottotaajuudeksi 16 kHz. Mallin akustinen vastaanottokenttä on 30 sekuntia. Tämä on käsittelyikkuna, ei kokonaisen haastattelun tai luennon enimmäispituus. Pitkän aineiston päättely voi edetä peräkkäin liukuvissa ikkunoissa tai jakaa pitkän tallenteen päällekkäisiin osiin ja yhdistää niiden litteroinnit. Valmistajan mallikortti kuvaa peräkkäisen käsittelyn tarkkuuden ollessa etusijalla ja ositetun käsittelyn silloin, kun yhden pitkän tallenteen läpimenoaika on tärkeämpi. Julkaistu konfiguraatio ilmoittaa yksittäiselle dekoodausjaksolle 448 dekooderipositiota. Pidemmät tallenteet käsitellään pitkän aineiston prosessilla sen sijaan, että lukua pidettäisiin yleisenä litteroinnin rajana. Dokumentoitu työnkulku voi palauttaa tunnistetun tekstin rinnalla segmentti- tai sanatason aikaleimat. Ajoitustiedot auttavat tallenteessa liikkumista ja tekstitysten valmistelua, kun taas lopullinen tekstityssäiliö tai litterointitiedoston muoto on erillinen tulosteen muotoiluvalinta. Säilytä tallenteen ajoitus äänen valmistelussa, jos litterointi kohdistetaan alkuperäiseen aineistoon. Whisperin tarkoitus on puheen tunnistaminen ja kääntäminen. Luennon litterointi, haastattelumuistio tai haettava puheaineistokokoelma on käytännön tulos; tiivistäminen tai tulkinta voi seurata erillisenä tekstin käsittelyvaiheena. Mallikortti ei vahvista luotettavaa automaattista puhujaluokittelua tai diarisaatiota perustarkistuspisteen vakiotulokseksi. Jos tehtävä vaatii puhujamerkintöjä, vaatimus täytyy käsitellä erikseen tarkkaa litterointia koskevasta väitteestä. Hyödyllinen tehtävänanto määrittää lähdekielen, litteroinnin tai englanninkielisen käännöksen tarpeen sekä ajoitustietojen tarpeen. Olennaisia rajoituksia ovat koskaan puhumattoman tekstin keksiminen ja toisteinen teksti, jotka liittyvät heikosti valvottuun koulutukseen kohinaisella aineistolla ja sekvenssistä sekvenssiin -rakenteeseen. Tunnistuksen laatu vaihtelee kielten, aksenttien ja murteiden välillä ja on heikompi, kun koulutusmateriaalia on vähemmän. Kohinan, erikoissanaston ja päällekkäisen puheen tulee siksi esiintyä soveltuvuuden arviointiin käytetyssä näytteessä. Vertaa nimiä, määriä ja tärkeitä lausumia tallenteeseen ja tarkista puheettomat kohdat tai toistuvat rivit sen sijaan, että pitäisit sujuvaa litterointia todisteena jokaisen sanan kuulemisesta. Kokonainen tulos säilyttää tunnistetun tekstin, sen kielen ja pyydetyn ajoituksen sekä viittauksen alkuperäiseen tallenteeseen. Pidä litterointi erillään myöhemmästä muokkauksesta: korjattu julkaisulitterointi voi poistaa täytesanoja, kun taas tunnistettu litterointi säilyttää mallin todellisen palautteen. Myös large-v3:n identiteetti ja käännöskyky tulee pitää erillään nopeammasta Turbo-versiosta. Todellinen käsittelynopeus riippuu kielestä, puhenopeudesta, laitteistosta ja päättelymenetelmästä; pelkkä tarkistuspisteen nimi ei takaa tiettyä isännöityä viivettä, enimmäislatauskokoa tai sovelluksessa käytössä olevaa reittiä. **Ailoot Ultra · Puheentunnistus** `POST /v1/audio/transcriptions` `openai/whisper-large-v3` [`openai/whisper-large-v3`](https://ailoot.ai/models/fi/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) OpenAI /`openai/whisper-large-v3` ### Aloitus Whisper large-v3 on OpenAI:n avoimen painojulkaisun monikielinen puheentunnistuksen tarkistuspiste litterointiin ja puheen kääntämiseen englanniksi. Se muuntaa tallennetun puheen tekstiksi ja tarjoaa dokumentoidun kielenvalinnan, aikaleimat sekä pitkien tallenteiden käsittelyn 30 sekunnin akustisen ikkunan ulkopuolella. Hyväksytyt syötteet Ääni Tulokset transcription ### Saatavilla Ailootissa · syötteet & menetelmät **Ailoot Ultra · Puheentunnistus** `POST /v1/audio/transcriptions` Syötetyypit `audio` Tulostyypit `transcription` Tulosteen muoto json | Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus | | --- | --- | --- | --- | --- | | Kenttä`model` | Tyyppi`string` | VaatimusPakollinen | Arvot & rajat openai/whisper-large-v3 | Oletus— | | Kenttä`input_audio` | Tyyppi`object` | VaatimusPakollinen | Arvot & rajat | Oletus— | | Kenttä`language` | Tyyppi`string` | VaatimusValinnainen | Arvot & rajat | Oletus— | | Kenttä`temperature` | Tyyppi`number` | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 0 Enimmäismäärä: 1 | Oletus— | | Kenttä`response_format` | Tyyppi`string` | VaatimusValinnainen | Arvot & rajat json, verbose\_json | Oletusjson | | Kenttä`timestamp_granularities` | Tyyppi`array` | VaatimusValinnainen | Arvot & rajat | Oletus— | | Kenttä`provider` | Tyyppi`object` | VaatimusValinnainen | Arvot & rajat | Oletus— | Syöteaineistojen yhdistelmät **speech\_to\_text** · Pakollinen: actual matching-format audio file Menetelmän parametrit ja elinkaari | Parametri | Sopimus | | --- | --- | | Parametri`content_types` | Sopimusapplication/json, multipart/form-data | | Parametri`required` | Sopimusmodel, input\_audio | | Parametri`material_types` | Sopimusaudio | | Parametri`JSON_audio` | Sopimustodelliset raakaäänen tavut base64-muodossa ja niitä vastaava muoto | | Parametri`multipart_required` | Sopimusmodel, file | | Parametri`multipart_cap_bytes` | Sopimus26214400 | | Parametri`optional_controls` | Sopimuslanguage, temperature, response\_format, timestamp\_granularities, provider | | Parametri`default_response_format` | Sopimusjson | | Parametri`optional_features` | SopimusYksityiskohtainen tulos, diarize/keyterms sekä URL tai suurempi suoraan pyyntöön sisällytetty ääni edellyttävät juuri kyseisen mallin ja palveluntarjoajan ominaisuutta sekä hinnastoa. | Elinkaari: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · todellisuudessa palautettu task\_id tai mediakirjaston tietue `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Käytä täsmällistä mallia ja dokumentoituja syötekenttiä. Säilytä koko vastaus, jokainen todellinen tulos ja alkuperäiset palautetut tunnisteet. ### Hinnoittelu Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle. Nopea tila Ei määritetty Kun nopea tila on valittu Flex-tila Ei määritetty Kun flex-tila on valittu Päättelyn enimmäisteho Ei määritetty Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä #### Ailoot-hinnat #### Hinnat asetusten mukaan Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden. | Asetukset | Hinnasto | Laskutusyksikkö | Veloitus | | --- | --- | --- | --- | | AsetuksetTokenien perushinnat | HinnastoPerushinta | Laskutusyksikkö— | Veloitus Syöte · Syötetokenit **—** / 1K tokenia Tuloste · Tulostokenit **—** / 1K tokenia Syöte · Välimuistin luku **—** / 1K tokenia Syöte · Välimuistiin kirjoitus **—** / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti **—** / 1K tokenia | | AsetuksetUltra | Hinnasto— | Laskutusyksikköäänisyötteen sekuntia kohden | Veloitus Syöte · äänisyötteen sekunti **$0.000015** äänisyötteen sekuntia kohden | Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. [Varauksen ja lopullisen veloituksen toiminta →](https://ailoot.ai/docs/fi/billing/reserve/) #### Viitehinnaston tiedot Mallitason viitehinnastot eivät muuta menetelmän valintaa, hinta-arvioita tai veloituksia. Käytössä olevat veloitukset käyttävät valitun Ailoot-menetelmän hintoja. OpenAI: Whisper Large V3 #### Hinnat asetusten mukaan | Asetukset | Laskutusehdot | Veloitus | | --- | --- | --- | | AsetuksetOpenAI: Whisper Large V3 · Oletusasetukset | LaskutusehdotOletuskokoonpano | Veloitus Syöte · Äänisyötteen sekunnit **0,000015 $** syöteäänen sekuntia kohden | ### Esimerkkipyynnöt #### Ailoot Ultra · Puheentunnistus curl · natiivi pyyntörunko täsmälleen sellaisenaan ja koko tulos ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'openai/whisper-large-v3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}} request['input_audio']['data']=base64.b64encode(audio).decode('ascii') Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Vastaanota ja tallenna tulokset #### Ailoot Ultra · Puheentunnistus json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Säilytä kaikki valmistuneet tulokset Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa. Koko alkuperäinen JSON, kaikki saatavilla olevat tekstit, segmentit, sanat, puhujat, aikaleimat ja käyttötiedot. ##### Jos alkuperäinen vastaus on tarkistettava Säilytä alkuperäinen operation\_id/X-Client-Request-ID ja alkuperäinen vastaus. Lue todellisia käyttäjälle kuuluvia tehtävä- ja aineistotietueita lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyn URL-osoitetta ei muodosteta. Vastauksen kentät | Kenttä | Tyyppi | | --- | --- | | Kenttä`text` | Tyyppistring | | Kenttä`usage` | Tyyppiobject | | Kenttä`segments[]` | Tyyppiobject | | Kenttä`words[]` | Tyyppiobject | ### Aliakset #### Mallin aliakset **Ailoot Ultra** [`openai/whisper-large-v3`](https://ailoot.ai/models/fi/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) #### Menetelmäpolkujen aliakset Käytä yllä näytettyjä menetelmäpolkuja. #### Liittyvät kutsujan ID:t [`openai/whisper-large-v3`](https://ailoot.ai/models/fi/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) FAQ · OpenAI: Whisper Large V3 Mitä syötteitä ja tuloksia on saatavilla? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `audio` → `transcription` Mitä kenttiä pyyntö käyttää? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Mitä rajoja sovelletaan? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Yhdistä Ailoot Claude Codeen, OpenCodeen, Hermesiin tai omaan sovellukseesi. ## Yritys ja sen projektisalkku Yritys ja sen projektisalkku: miljoonia asiakkaita; kuukausittainen myynti miljardiluokassa. ## Osta tokenit alennuksella. Tilausalennus säännölliseen käyttöön. Kampanjakoodit — jopa 50% tokeniostoista. Tilaus Valitse alennushintainen paketti säännöllisiä pyyntöjäsi varten. Kampanjakoodi jopa 50% Syötä koodi oston yhteydessä. Hinta lasketaan uudelleen voimassa olevan kampanjan mukaan. Kulut historiassa Malli, tokenit ja summa tallennetaan jokaiselle pyynnölle. [Valitse tilaus](https://ailoot.ai/docs/fi/billing/subscriptions/) · [Katso mallihinnat](https://ailoot.ai/models/fi/) ## Yhdistä API tuotteeseen, jonka myyt. SaaS, sovellukset ja botit Ailootin palveluehtojen ja lisenssisopimuksen mukaisesti. Pyydä edelleenmyyntiin jälleenmyyjälisenssi. Kaupallinen sovellus Lisää tekstin, kuvien, videoiden ja äänen luonti palvelusi maksullisiin ominaisuuksiin. Jälleenmyyjälisenssi Lähetä projektikuvaus ja pääsyn toteutustapa. Pyydä kirjalliset käyttö- ja jälleenmyyntiehdot. Asiakirjat verkkosivustolla Palveluehdot, lisenssisopimus ja tietojenkäsittelykäytäntö ovat saatavilla ennen yhdistämistä. [Pyydä jälleenmyyjälisenssi](mailto:support@ailoot.ai) · [Palveluehdot ja lisenssisopimus](https://ailoot.ai/legal/offer?lang=fi) ## Ailoot · Yritys ja sen projektisalkku Ailoot perustuu kertyneeseen toimintakokemukseen, laajaan asiakaskuntaan, vakaaseen palveluun ja jatkuvaan KPI-seurantaan. Yritys ja sen projektisalkku: miljoonia asiakkaita; kuukausittainen myynti miljardiluokassa. Ailoot hyödyntää tätä toimintakokemusta tarjotessaan API-yhteyden tekoälytoimintoihin asiakkaiden tuotteissa, agenteissa, sovelluksissa ja automaatioissa.