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

# OpenAI: Whisper Large V3 Turbo

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

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

A Whisper large-v3-turbo az OpenAI gyorsabb, nyílt súlyú átírási kiadása, amely a large-v3 modellből származik, négy dekóderréteggel és 809 millió paraméterrel. Többnyelvű beszéd szöveggé alakítására készült; a gyártó hivatalos dokumentációja kizárja a beszéd angolra fordítását abból a feladatból, amelyre a Turbót betanították.

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

A modellről

Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.

A Whisper large-v3-turbo, más néven Turbo, az OpenAI optimalizált átírómodellje, amely a Whisper large-v3 modellből származik. Dekóderét 32 rétegről négyre csökkentették, miközben az enkóder 32 rétegű maradt. A kiadott modell körülbelül 809 millió paramétert tartalmaz. A gyártó célja a gyorsabb beszédfelismerés szerény pontosságveszteség mellett, nem pedig egy másik hanggenerálási mód. A bemenet rögzített beszéd, az eredmény pedig felismert szöveg.

A kiadási bejelentés megkülönbözteti a Turbo előkészítését egy külön desztillált Whisper-modellétől: a Turbót két további tanítási cikluson át finomhangolták többnyelvű átírási adatokon, fordítási adatok nélkül. Ez a különbség a gyakorlatban fontos. Az OpenAI kódtára szerint a Turbót nem tanították be nem angol beszéd angolra fordítására, és fordítási feladat kérésekor is az eredeti nyelvet adhatja vissza. Ezt a kiadást azonos nyelvű átirathoz használja; a fordítási igény másik megfelelő modellhez vagy az átírást követő külön lépéshez tartozik.

A forrásnyelv felismerése és a nyelv kifejezett kiválasztása továbbra is hasznos átírási lehetőség. Ha a felvétel nyelve már ismert, nevezze meg a leírásban; máskülönben a dokumentált munkafolyamat felismerheti. Neveket, mennyiségeket és az elhangzott szavakat őrizzen meg, mielőtt szerkesztői javítást kérne. Egy megbeszélés jegyzőkönyve, interjú átirata vagy előadás szövege ezután egy későbbi műveletben kereshető, jegyzetelhető vagy összefoglalható. A Turbo felismerési feladatát nem szabad összetéveszteni a beszédszintézissel, beszélőutánzással vagy a felvételen szereplő emberekről alkotott szemantikai ítélettel.

Az OpenAI hangbetöltője a bemeneti fájlokat 16 kHz mintavételű monó mintákká dekódolja, a modell pedig 30 másodperces akusztikus ablakot használ 128 Mel-frekvenciasávval. Hosszabb felvételekhez hosszú anyagokon végzett inferencia szükséges. A szekvenciális feldolgozás sorrendben halad az ablakokon; a darabolt megközelítés átfedő részleteket ír át, majd összeilleszti a határaikat. A modellkártya az utóbbit akkor mutatja hasznosnak, ha egyetlen hosszú fájlnál az elkészülési idő a fő szempont, míg a szekvenciális feldolgozás a pontosságot előtérbe helyező alternatíva. Sem az ablak, sem a modell neve nem határoz meg rögzített maximális fájlméretet egy hosztolt szolgáltatásba történő feltöltéshez.

A Turbo konkrét konfigurációja egy dekódolási sorozathoz 448 dekóderpozíciót sorol fel. A dokumentált inferenciafolyamat az átirat mellett szegmens- vagy szószintű időzítést is tartalmazhat; ez a navigációt és a későbbi feliratformázást segíti. Nem ad automatikusan feliratfájl-formátumot vagy megbízható beszélőcímkéket. Adja meg, hogy egyszerű átiratra vagy időzített szegmensekre van szükség, és a vitatott szakaszok ellenőrzéséhez tartsa elérhetően az eredeti felvételt. A hosszú anyagok feldolgozása és a végső formázás különálló a mentett modellsúly-verzió azonosságától.

A Turbo csökkenti a dekódolási munkát, de a tényleges időigény a hardvertől, a felvétel hosszától, a nyelvtől, a beszédtempótól és az inferenciabeállításoktól függ. A készítő egyes nyelveknél, köztük a thainál és a kantoninál nagyobb minőségromlást jelez, nem mindenhol egységes viselkedést. A tervezett nyelven hasonlítson össze reprezentatív részletet, mielőtt a sebességet előtérbe helyező kompromisszumot minden anyaghoz megfelelőnek tekintené. Archívumfeldolgozási feladatnál az ellenőrzési mintába ne csak tiszta nyitómondatot, hanem nehéz szókincset, szüneteket, valamint zajos vagy egymásra beszélést tartalmazó részeket is vegyen fel.

A közzétett kártya tartalmazza a Whisper érdemi felismerési korlátait: a megjósolt szöveg el nem hangzott szavakat is tartalmazhat, és ismétlődő szöveg is előfordulhat. Az eredmények nyelvenként, akcentusonként és nyelvjárásonként változnak, különösen korlátozott tanítási lefedettség mellett. A kártya nem igazolja a beszélők szerinti szegmentálást vagy a beszélők osztályozását az alapmodell megbízható, szabványos képességeként. A gyakorlati ellenőrzés a forráshűségre figyel: fontos nevekre és számokra, kihagyott beszédre, csend alatt megjelenő váratlan szövegre és ismétlésekre. Az olvasható átirat továbbra is a felvétellel összevetendő eredmény, nem a pontos felismerés garanciája.

A hasznos kész eredmény a forrásnyelvű átirat, az esetleg kért időzítéssel és a felvételéhez vezető egyértelmű kapcsolattal. A felismert változatot tartsa külön a szerkesztett publikációs változattól, hogy a módosítások követhetők legyenek. Kiadások összehasonlításakor őrizze meg a large-v3-turbo nevet: ez nem a teljes large-v3 modell, és nem örökölheti észrevétlenül a large-v3 angolra fordítási feladatát. Ez a nyílt súlyú modellazonosság a hosztolt whisper-1 szolgáltatás feltöltési korlátait, válaszstruktúráit vagy élő közvetítési ígéreteit sem tartalmazza. Akkor válassza a Turbót, ha a dokumentált átírási kompromisszum illeszkedik a tényleges anyaghoz és a kívánt elkészülési időhöz.

**Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` `openai/whisper-large-v3-turbo`

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

OpenAI /`openai/whisper-large-v3-turbo`

### Kezdő lépések

A Whisper large-v3-turbo az OpenAI gyorsabb, nyílt súlyú átírási kiadása, amely a large-v3 modellből származik, négy dekóderréteggel és 809 millió paraméterrel. Többnyelvű beszéd szöveggé alakítására készült; a gyártó hivatalos dokumentációja kizárja a beszéd angolra fordítását abból a feladatból, amelyre a Turbót betanították.

Elfogadott bemenetek

Hang

Eredmények

Szöveg

### Elérhető az Ailootban · bemenetek és metódusok

**Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions`

Bemenet

`audio`

Kimenet

`text`

| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
| --- | --- | --- | --- | --- |
| Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok openai/whisper-large-v3-turbo | Alapértelmezett— |
| Mező`input_audio` | Típus`object` | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |

Metódus paraméterei és életciklusa

| Paraméter | Szerződés |
| --- | --- |
| Paraméter`content_type` | Szerződésapplication/json |
| Paraméter`required` | Szerződésmodel, input\_audio |
| Paraméter`material_types` | Szerződésaudio |
| Paraméter`material_conditions` | SzerződésA példa beolvassa az Ön tényleges, nem üres PCM WAV-fájlját, a fájl teljes bájttartalmát base64 formában kódolja, és az input\_audio.format mezőt wav értékkel küldi el. |

Életciklus: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · pontos task\_id egy meglévő, Önhöz tartozó médiarekordból

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

`GET /v1/media/assets`

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

### Díjcsomagok

A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.

Gyors mód

Nincs megadva Ha a gyors mód van kiválasztva

Flex mód

Nincs megadva Ha a flex mód van kiválasztva

Maximális gondolkodási ráfordítás

Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik

#### Ailoot-díjak

#### Árak beállításonként

Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.

| Beállítás | Díjtáblázat | Elszámolási egység | Díj |
| --- | --- | --- | --- |
| BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek **—** / 1K token Kimenet · Kimeneti tokenek **—** / 1K token Bemenet · Gyorsítótár olvasása **—** / 1K token Bemenet · Írás a gyorsítótárba **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra **—** / 1K token |
| Beállításbemeneti hangmásodperc | Díjtáblázat— | Elszámolási egységbemeneti hangmásodpercenként | Díj Bemenet · bemeneti hangmásodperc **$0.00000666** bemeneti hangmásodpercenként |

Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/)

### Példakérések

#### Ailoot Ultra · Hang átírása

curl · tényleges WAV-fájl és a teljes eredeti eredmény

```bash
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.
```

### Eredmények fogadása és mentése

#### Ailoot Ultra · Hang átírása

A teljes eredeti választörzs, állapot és továbbított fejlécek. Ez a kezelő nem ad hozzá univerzális JSON-szerkezetet, szövegmezőt vagy feladatburkolót.

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

##### Őrizzen meg minden elkészült eredményt

Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.

Őrizze meg a teljes választ és a fejléceket, minden tényleges kimenetet, az eredetileg visszaadott azonosítókat és az összes használati adatmezőt. Az eredeti műveletet állítsa helyre, a létrehozási kérés újbóli beküldése nélkül.

##### Ha az eredeti választ ellenőrizni kell

Őrizze meg a tényleges X-Client-Request-ID értéket és a teljes választ. Kérdezze le az eredeti saját médiaállományokat és pontos aláírt tartalom-URL-címeiket; bizonytalan kimenetelű létrehozást soha ne küldjön be újra.

Válaszmezők

| Mező | Típus |
| --- | --- |
| Mező`text (when present)` | Típus |
| Mező`usage (when present)` | Típus |

Hibák és következő lépések

| Válasz | Feltétel | Következő lépés |
| --- | --- | --- |
| Válasz400 · `invalid_request_error` | FeltételA JSON-törzs vagy a kifejezetten megadott kanonikus modellazonosító érvénytelen. | Következő lépésŐrizze meg a választ, és javítsa a kérés megjelölt mezőjét. |
| Válasz401 · `authentication_error` | FeltételAz Ailoot API-kulcs érvénytelen. | Következő lépésHasználja az engedélyezett Ailoot API-kulcsát. |
| Válasz403 · `permission_error` | FeltételA kulcscsoport nem használhatja ezt a metódust. | Következő lépésŐrizze meg a visszaadott hiba részleteit. |
| Válasz404 · `not_found_error` | FeltételA kiválasztott metódushoz nincs engedélyezett útvonal. | Következő lépésŐrizze meg a visszaadott hiba részleteit. |
| Válasz422 · `price_unavailable` | FeltételAz elfogadott tarifa nem tudja meghatározni a szükséges bemeneti mennyiséget vagy korlátot. | Következő lépésŐrizze meg a választ; használja az elfogadott tarifa által megkövetelt bemeneti formátumot. |
| Válasz503 · `` | FeltételA szükséges tároló, útvonal, metódusár vagy összegzárolás nem érhető el. | Következő lépésŐrizze meg a teljes eredeti választ. A bizonytalan összegzárolás nem jogosít fel az újraküldésre. |
| Válasz502 · `server_error` | FeltételAz eredeti eredményt, a felhasználást vagy az elszámolást ellenőrizni kell. | Következő lépésŐrizze meg a tényleges kérésazonosítót és az eredeti választ. A meglévő saját rekordot kérdezze le; ne küldje be újra a létrehozási kérést. |

### Álnevek

#### Modell álnevei

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

#### Metódusútvonalak álnevei

Használja a fent látható metódusútvonalakat.

#### Kapcsolódó modellazonosítók

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

FAQ · OpenAI: Whisper Large V3 Turbo

Milyen bemenetek és eredmények érhetők el?

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

Mely mezőket használja a kérés?

`POST /v1/audio/transcriptions` · `openai/whisper-large-v3-turbo`: `model`, `input_audio`

Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához.

## A vállalat és projektportfóliója

A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben.

## Vásároljon tokeneket kedvezménnyel.

Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény.

Előfizetés

Válasszon kedvezményes tarifát a rendszeres kéréseihez.

Promókód akár 50%-ig

Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik.

Költségek az előzményekben

Minden kéréshez megmarad a modell, a tokenek és az összeg.

[Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/)

## Csatlakoztassa az API-t az értékesített termékéhez.

SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet.

Kereskedelmi alkalmazás

Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba.

Viszonteladói licenc

Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket.

Dokumentumok a weboldalon

Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető.

[Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu)

## Ailoot · A vállalat és projektportfóliója





Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít.





A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben.





Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.