OpenAI: Whisper Large V3 Turbo

Whisper large-v3-turbo הוא מהדורת התמלול המהירה יותר בעלת המשקולות הפתוחות של OpenAI, הנגזרת מ-large-v3, עם ארבע שכבות מפענח ו-809 מיליון פרמטרים. הוא מיועד להמרת דיבור רב-לשוני לטקסט; התיעוד הרשמי של היצרן מוציא תרגום דיבור לאנגלית מהמשימה ש-Turbo אומן לה.

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

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

Whisper large-v3-turbo, המכונה גם Turbo, הוא מודל התמלול הממוטב של OpenAI הנגזר מ-Whisper large-v3. המפענח שלו צומצם מ-32 שכבות לארבע, והמקודד נשאר עם 32 שכבות. למודל שפורסם יש כ-809 מיליון פרמטרים. מטרת היצרן היא זיהוי דיבור מהיר יותר עם ויתור מוגבל על דיוק, ולא מצב אחר של יצירת אודיו. דיבור מוקלט הוא הקלט וטקסט שזוהה הוא התוצאה.

הודעת הגרסה מבחינה בין הכנת Turbo לבין מודל Whisper שעבר זיקוק בנפרד: Turbo כוונן במשך שני מחזורי אימון נוספים על נתוני תמלול רב-לשוניים, ללא נתוני תרגום. ההבחנה הזאת חשובה מבחינה תפעולית. המאגר של OpenAI מציין ש-Turbo אינו מאומן לתרגום דיבור שאינו באנגלית לאנגלית ויכול להחזיר את השפה המקורית גם כשמתבקשת משימת תרגום. השתמשו במהדורה הזאת לתמליל באותה שפה; דרישת תרגום שייכת למודל מתאים אחר או לשלב נפרד לאחר התמלול.

זיהוי שפת המקור ובחירת שפה מפורשת נשארים אפשרויות שימושיות לתמלול. אם שפת ההקלטה כבר ידועה, ציינו אותה בתדריך; אחרת התהליך המתועד יכול לזהות אותה. שמרו על שמות, כמויות והמילים שנאמרו לפני בקשת ניקוי עריכתי. לאחר מכן אפשר לחפש, להוסיף הערות או לסכם תיעוד פגישה, תמליל ריאיון או טקסט הרצאה בפעולה מאוחרת יותר. אין לבלבל את משימת הזיהוי של Turbo עם סינתזת קול, חיקוי דובר או שיפוט סמנטי של האנשים בהקלטה.

טוען האודיו של OpenAI מפענח קובצי קלט לדגימות מונו ב-16 kHz, והמודל משתמש בחלון אקוסטי של 30 שניות עם 128 תאי תדר Mel. הקלטות ארוכות יותר דורשות הסקה לתוכן ארוך. עיבוד סדרתי מתקדם בין החלונות לפי הסדר; גישה המחלקת למקטעים מתמללת חלקים חופפים ומחברת את גבולותיהם. כרטיס המודל מציג את הגישה השנייה כשימושית לעיבוד קובץ ארוך יחיד כשזמן ההשלמה הוא העדיפות העיקרית, והטיפול הסדרתי הוא החלופה המכוונת לדיוק. החלון ושם המודל אינם קובעים גודל קובץ מרבי קבוע להעלאה לשירות מתארח.

תצורת Turbo המדויקת מציינת 448 מיקומים במפענח לרצף פענוח אחד. תהליך ההסקה המתועד יכול לכלול תזמון מקטעים או מילים לצד התמליל; התזמון תומך בניווט ובעיצוב כתוביות מאוחר יותר. הוא אינו מוסיף אוטומטית פורמט קובץ כתוביות או תוויות דוברים אמינות. ציינו אם דרוש תמליל רגיל או מקטעים עם ציוני זמן ושמרו את ההקלטה המקורית זמינה לבדיקת קטעים שבמחלוקת. עיבוד תוכן ארוך וכל עיצוב סופי נפרדים מזהות הצ׳קפוינט.

Turbo מצמצם את עבודת הפענוח, אך הזמן הדרוש בפועל תלוי בחומרה, באורך ההקלטה, בשפה, בקצב הדיבור ובבחירות ההסקה. היצרן מציין ירידה גדולה יותר באיכות בשפות מסוימות, ובהן תאית וקנטונזית, ולא התנהגות אחידה בכל השפות. השוו קטע מייצג בשפה המיועדת לפני התייחסות לפשרה המכוונת למהירות כמתאימה לכל חומר. למשימת עיבוד ארכיון, כללו במדגם הבדיקה אוצר מילים קשה, הפסקות וקטעים רועשים או חופפים, ולא רק משפט פתיחה נקי.

הכרטיס שפורסם כולל את מגבלות הזיהוי המהותיות של Whisper: טקסט חזוי יכול לכלול מילים שלא נאמרו ויכול להופיע טקסט חוזר. התוצאות משתנות בין שפות, מבטאים וניבים, במיוחד כשכיסוי האימון מוגבל. הכרטיס אינו מבסס הפרדה לדוברים או סיווג דוברים כיכולות רגילות ואמינות של מודל הבסיס. בדיקה מעשית מתמקדת בנאמנות למקור: שמות ומספרים חשובים, דיבור שהושמט, טקסט בלתי צפוי בזמן שקט וחזרות. תמליל קריא נשאר תוצאה להשוואה עם ההקלטה, ולא הבטחה לזיהוי מדויק.

התוצר הגמור השימושי הוא תמליל בשפת המקור עם התזמון שהתבקש וקישור ברור להקלטה שלו. שמרו את התמליל כפי שזוהה בנפרד מגרסת פרסום ערוכה כדי שאפשר יהיה לעקוב אחר שינויים. שמרו על השם large-v3-turbo בהשוואת מהדורות: הוא אינו מודל large-v3 המלא ואין לייחס לו ללא הבחנה את משימת התרגום לאנגלית של large-v3. הזהות הזאת כבעל משקולות פתוחות גם אינה מחילה עליו את מגבלות ההעלאה, מעטפות התגובה או הבטחות הסטרימינג החי של שירות whisper-1 המתארח. בחרו ב-Turbo כשהפשרה המתועדת בתמלול מתאימה לחומר בפועל ולזמן ההשלמה הרצוי.

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

openai/whisper-large-v3-turbo

OpenAI /openai/whisper-large-v3-turbo

התחלה

סוגי קלט נתמכים: שמע
תוצאות: טקסט

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · תמלול POST /v1/audio/transcriptions

סוגי קלט: audio
סוגי פלט: text

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות openai/whisper-large-v3-turbo	ברירת מחדל—
שדה`input_audio`	סוג`object`	דרישהחובה	ערכים ומגבלות	ברירת מחדל—

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטapplication/json
פרמטר`required`	מפרטmodel, input_audio
פרמטר`material_types`	מפרטaudio
פרמטר`material_conditions`	מפרטהדוגמה קוראת את קובץ ה־PCM WAV הממשי והלא ריק שלכם, מקודדת את כל הבתים של הקובץ ב־base64 ושולחת את input_audio.format בערך wav.

מחזור חיים: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id המדויק מרשומת מדיה קיימת שבבעלותכם

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר: לא צוין כאשר נבחר מצב מהיר
מצב Flex: לא צוין כאשר נבחר מצב flex
מאמץ חשיבה מרבי: לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורה	טבלת תעריפים	יחידת חיוב	חיוב
תצורהתעריפי בסיס לטוקנים	טבלת תעריפיםתעריף בסיס	יחידת חיוב—	חיוב קלט · טוקני קלט — / 1K טוקנים פלט · טוקני פלט — / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהשניית שמע בקלט	טבלת תעריפים—	יחידת חיובלכל שניית שמע בקלט	חיוב קלט · שניית שמע בקלט $0.00000666 לכל שניית שמע בקלט

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · תמלול

curl · קובץ WAV אמיתי והתוצאה המקורית המלאה

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

קבלה ושמירה של תוצאות

Ailoot Ultra · תמלול

גוף התגובה המקורי במלואו, הסטטוס והכותרות שהועברו. המטפל הזה אינו מוסיף מבנה JSON אחיד, שדה טקסט או מעטפת משימה.

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

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו את התשובה המלאה ואת הכותרות, כל פלט שהתקבל בפועל, את המזהים המקוריים שהוחזרו ואת כל שדות השימוש. שחזרו את הפעולה המקורית בלי לשלוח שוב בקשת יצירה.

כשצריך לבדוק את התגובה המקורית

יש לשמור את X-Client-Request-ID הממשי ואת התגובה המלאה. יש לקרוא את הנכסים המקוריים שבבעלותכם ואת כתובות התוכן החתומות המדויקות שלהם; אין לשלוח שוב בקשת יצירה שתוצאתה אינה ודאית.

שדות התגובה

שדה	סוג
שדה`text (when present)`	סוג
שדה`usage (when present)`	סוג

שגיאות והשלבים הבאים

תגובה	תנאי	השלב הבא
תגובה⁦400⁩ · `invalid_request_error`	תנאיגוף ה־JSON או מזהה המודל הקנוני המפורש אינם תקפים.	השלב הבאיש לשמור את התגובה ולתקן את שדה הבקשה שצוין.
תגובה⁦401⁩ · `authentication_error`	תנאימפתח ה־API של Ailoot אינו תקף.	השלב הבאיש להשתמש במפתח ה־API המורשה שלכם של Ailoot.
תגובה⁦403⁩ · `permission_error`	תנאיהקבוצה של המפתח אינה מורשית להשתמש בשיטה הזו.	השלב הבאיש לשמור את פרטי השגיאה שהוחזרו.
תגובה⁦404⁩ · `not_found_error`	תנאילשיטה שנבחרה אין נתיב מאושר לשימוש.	השלב הבאיש לשמור את פרטי השגיאה שהוחזרו.
תגובה⁦422⁩ · `price_unavailable`	תנאילא ניתן להשיג עבור התעריף שהתקבל את כמות הקלט או את הגבול הנדרשים לו.	השלב הבאיש לשמור את התגובה; יש להשתמש בייצוג הקלט הנדרש בתעריף שהתקבל.
תגובה⁦503⁩ ·	תנאיהאחסון, הנתיב, מחיר השיטה או שריון הסכום הנדרשים אינם זמינים.	השלב הבאיש לשמור את התגובה המקורית המלאה. שריון סכום שמצבו אינו ודאי אינו מתיר שליחה חוזרת.
תגובה⁦502⁩ · `server_error`	תנאייש לבדוק את התוצאה המקורית, את נתוני השימוש או את השלמת החיוב.	השלב הבאיש לשמור את מזהה הבקשה הממשי ואת התגובה המקורית. יש לקרוא את הרשומה הקיימת שבבעלותכם; אין לשלוח שוב בקשת יצירה.

כינויים

כינויים למודל

Ailoot Ultra openai/whisper-large-v3-turbo

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

openai/whisper-large-v3-turbo

FAQ · OpenAI: Whisper Large V3 Turbo

אילו קלטים ותוצאות זמינים?: POST /v1/audio/transcriptions · openai/whisper-large-v3-turbo: audio → text
באילו שדות הבקשה משתמשת?: POST /v1/audio/transcriptions · openai/whisper-large-v3-turbo: model, input_audio

OpenAI: Whisper Large V3 Turbo