Whisper large-v3-turbo, chiamato anche Turbo, è il modello di trascrizione ottimizzato di OpenAI derivato da Whisper large-v3. Il decoder è ridotto da 32 strati a quattro, mentre l’encoder mantiene 32 strati. Il modello rilasciato ha circa 809 milioni di parametri. L’obiettivo del produttore è un riconoscimento vocale più rapido con un modesto compromesso sulla precisione, non una diversa modalità di generazione audio. L’ingresso è il parlato registrato e il risultato è il testo riconosciuto.
L’annuncio del rilascio distingue la preparazione di Turbo da quella di un modello Whisper distillato separatamente: Turbo è stato sottoposto a fine-tuning per due epoche aggiuntive su dati di trascrizione multilingue, escludendo i dati di traduzione. Questa distinzione è importante sul piano operativo. Il repository di OpenAI afferma che Turbo non è addestrato per tradurre in inglese il parlato in altre lingue e può restituire la lingua originale anche quando si richiede una traduzione. Usate questa edizione per una trascrizione nella stessa lingua; se serve una traduzione, occorre un altro modello adatto o un passaggio separato dopo la trascrizione.
Il rilevamento della lingua di origine e la selezione esplicita della lingua restano opzioni utili per la trascrizione. Se conoscete già la lingua della registrazione, indicatela nella richiesta; altrimenti il flusso di lavoro documentato può rilevarla. Preservate i nomi, le quantità e le parole pronunciate prima di chiedere una revisione editoriale. Il verbale di una riunione, la trascrizione di un’intervista o il testo di una lezione possono poi essere oggetto di ricerche, annotazioni o riassunti in un’operazione successiva. Il compito di riconoscimento di Turbo non va confuso con la sintesi vocale, l’imitazione di un parlante o un giudizio semantico sulle persone presenti nella registrazione.
Il caricatore audio di OpenAI decodifica i file in ingresso in campioni mono a 16 kHz e il modello usa una finestra acustica di 30 secondi con 128 bande di frequenza Mel. Le registrazioni più lunghe richiedono un’inferenza su audio di lunga durata. L’elaborazione sequenziale percorre le finestre in ordine; un approccio a blocchi trascrive porzioni sovrapposte e ne raccorda i confini. La scheda del modello presenta quest’ultimo come utile per elaborare un singolo file lungo quando la priorità principale è il tempo di consegna, mentre l’elaborazione sequenziale privilegia la precisione. Né la finestra né il nome del modello stabiliscono una dimensione massima fissa dei file caricabili su un servizio ospitato.
La configurazione esatta di Turbo elenca 448 posizioni del decoder per una sequenza di decodifica. Il flusso di inferenza documentato può includere i riferimenti temporali dei segmenti o delle parole insieme alla trascrizione; questi aiutano la navigazione e la successiva formattazione dei sottotitoli. Non aggiungono automaticamente un formato di file per i sottotitoli o etichette affidabili dei parlanti. Specificate se serve una trascrizione semplice o segmenti con riferimenti temporali e conservate la registrazione originale per verificare i passaggi controversi. L’elaborazione delle registrazioni lunghe e l’eventuale formattazione finale sono separate dall’identità del checkpoint.
Turbo riduce il lavoro di decodifica, ma il tempo effettivamente necessario dipende dall’hardware, dalla durata della registrazione, dalla lingua, dalla velocità del parlato e dalle scelte di inferenza. Il produttore segnala un maggiore degrado della qualità per alcune lingue, tra cui il thailandese e il cantonese, anziché un comportamento uniforme ovunque. Confrontate un estratto rappresentativo nella lingua prevista prima di considerare il compromesso a favore della velocità adatto a tutto il materiale. Per l’elaborazione di un archivio, includete nel campione da verificare termini difficili, pause e passaggi rumorosi o sovrapposti, non soltanto una frase iniziale pronunciata chiaramente.
La scheda pubblicata riporta i limiti sostanziali del riconoscimento di Whisper: il testo previsto può includere parole che non sono state pronunciate e possono comparire ripetizioni. I risultati variano tra lingue, accenti e dialetti, soprattutto quando la copertura dell’addestramento è limitata. La scheda non attesta la diarizzazione o la classificazione dei parlanti come capacità standard robuste del modello di base. Una verifica pratica si concentra sulla fedeltà alla fonte: nomi e numeri importanti, parlato omesso, testo inatteso durante i silenzi e ripetizioni. Una trascrizione leggibile resta un risultato da confrontare con la registrazione, non una garanzia di riconoscimento esatto.
Il risultato finale utile è una trascrizione nella lingua di origine con gli eventuali riferimenti temporali richiesti e un collegamento chiaro alla registrazione. Tenete separata la versione riconosciuta da quella rivista per la pubblicazione, così da rendere tracciabili le modifiche. Preservate il nome large-v3-turbo quando confrontate le edizioni: non è il modello large-v3 completo e non deve ereditare implicitamente il compito di traduzione in inglese di large-v3. Questa identità a pesi aperti non implica neppure i limiti di caricamento, le strutture delle risposte o le promesse di streaming in diretta del servizio ospitato whisper-1. Scegliete Turbo quando il compromesso documentato per la trascrizione è adatto al materiale reale e ai tempi di consegna desiderati.
", "aboutText": "Whisper large-v3-turbo, chiamato anche Turbo, è il modello di trascrizione ottimizzato di OpenAI derivato da Whisper large-v3. Il decoder è ridotto da 32 strati a quattro, mentre l’encoder mantiene 32 strati. Il modello rilasciato ha circa 809 milioni di parametri. L’obiettivo del produttore è un riconoscimento vocale più rapido con un modesto compromesso sulla precisione, non una diversa modalità di generazione audio. L’ingresso è il parlato registrato e il risultato è il testo riconosciuto.\n\nL’annuncio del rilascio distingue la preparazione di Turbo da quella di un modello Whisper distillato separatamente: Turbo è stato sottoposto a fine-tuning per due epoche aggiuntive su dati di trascrizione multilingue, escludendo i dati di traduzione. Questa distinzione è importante sul piano operativo. Il repository di OpenAI afferma che Turbo non è addestrato per tradurre in inglese il parlato in altre lingue e può restituire la lingua originale anche quando si richiede una traduzione. Usate questa edizione per una trascrizione nella stessa lingua; se serve una traduzione, occorre un altro modello adatto o un passaggio separato dopo la trascrizione.\n\nIl rilevamento della lingua di origine e la selezione esplicita della lingua restano opzioni utili per la trascrizione. Se conoscete già la lingua della registrazione, indicatela nella richiesta; altrimenti il flusso di lavoro documentato può rilevarla. Preservate i nomi, le quantità e le parole pronunciate prima di chiedere una revisione editoriale. Il verbale di una riunione, la trascrizione di un’intervista o il testo di una lezione possono poi essere oggetto di ricerche, annotazioni o riassunti in un’operazione successiva. Il compito di riconoscimento di Turbo non va confuso con la sintesi vocale, l’imitazione di un parlante o un giudizio semantico sulle persone presenti nella registrazione.\n\nIl caricatore audio di OpenAI decodifica i file in ingresso in campioni mono a 16 kHz e il modello usa una finestra acustica di 30 secondi con 128 bande di frequenza Mel. Le registrazioni più lunghe richiedono un’inferenza su audio di lunga durata. L’elaborazione sequenziale percorre le finestre in ordine; un approccio a blocchi trascrive porzioni sovrapposte e ne raccorda i confini. La scheda del modello presenta quest’ultimo come utile per elaborare un singolo file lungo quando la priorità principale è il tempo di consegna, mentre l’elaborazione sequenziale privilegia la precisione. Né la finestra né il nome del modello stabiliscono una dimensione massima fissa dei file caricabili su un servizio ospitato.\n\nLa configurazione esatta di Turbo elenca 448 posizioni del decoder per una sequenza di decodifica. Il flusso di inferenza documentato può includere i riferimenti temporali dei segmenti o delle parole insieme alla trascrizione; questi aiutano la navigazione e la successiva formattazione dei sottotitoli. Non aggiungono automaticamente un formato di file per i sottotitoli o etichette affidabili dei parlanti. Specificate se serve una trascrizione semplice o segmenti con riferimenti temporali e conservate la registrazione originale per verificare i passaggi controversi. L’elaborazione delle registrazioni lunghe e l’eventuale formattazione finale sono separate dall’identità del checkpoint.\n\nTurbo riduce il lavoro di decodifica, ma il tempo effettivamente necessario dipende dall’hardware, dalla durata della registrazione, dalla lingua, dalla velocità del parlato e dalle scelte di inferenza. Il produttore segnala un maggiore degrado della qualità per alcune lingue, tra cui il thailandese e il cantonese, anziché un comportamento uniforme ovunque. Confrontate un estratto rappresentativo nella lingua prevista prima di considerare il compromesso a favore della velocità adatto a tutto il materiale. Per l’elaborazione di un archivio, includete nel campione da verificare termini difficili, pause e passaggi rumorosi o sovrapposti, non soltanto una frase iniziale pronunciata chiaramente.\n\nLa scheda pubblicata riporta i limiti sostanziali del riconoscimento di Whisper: il testo previsto può includere parole che non sono state pronunciate e possono comparire ripetizioni. I risultati variano tra lingue, accenti e dialetti, soprattutto quando la copertura dell’addestramento è limitata. La scheda non attesta la diarizzazione o la classificazione dei parlanti come capacità standard robuste del modello di base. Una verifica pratica si concentra sulla fedeltà alla fonte: nomi e numeri importanti, parlato omesso, testo inatteso durante i silenzi e ripetizioni. Una trascrizione leggibile resta un risultato da confrontare con la registrazione, non una garanzia di riconoscimento esatto.\n\nIl risultato finale utile è una trascrizione nella lingua di origine con gli eventuali riferimenti temporali richiesti e un collegamento chiaro alla registrazione. Tenete separata la versione riconosciuta da quella rivista per la pubblicazione, così da rendere tracciabili le modifiche. Preservate il nome large-v3-turbo quando confrontate le edizioni: non è il modello large-v3 completo e non deve ereditare implicitamente il compito di traduzione in inglese di large-v3. Questa identità a pesi aperti non implica neppure i limiti di caricamento, le strutture delle risposte o le promesse di streaming in diretta del servizio ospitato whisper-1. Scegliete Turbo quando il compromesso documentato per la trascrizione è adatto al materiale reale e ai tempi di consegna desiderati.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a9e8ef84aac0e51e2b03029f562bb7eec03f50f862a552411da8e28da9fbb26c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "openai/whisper-large-v3-turboWhisper large-v3-turbo è l’edizione di trascrizione a pesi aperti di OpenAI più veloce, derivata da large-v3, con quattro strati del decoder e 809 milioni di parametri. È destinata alla conversione multilingue del parlato in testo; la documentazione ufficiale del produttore esclude la traduzione del parlato in inglese dalle attività per cui Turbo è stato addestrato.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Whisper large-v3-turbo, chiamato anche Turbo, è il modello di trascrizione ottimizzato di OpenAI derivato da Whisper large-v3. Il decoder è ridotto da 32 strati a quattro, mentre l’encoder mantiene 32 strati. Il modello rilasciato ha circa 809 milioni di parametri. L’obiettivo del produttore è un riconoscimento vocale più rapido con un modesto compromesso sulla precisione, non una diversa modalità di generazione audio. L’ingresso è il parlato registrato e il risultato è il testo riconosciuto.
L’annuncio del rilascio distingue la preparazione di Turbo da quella di un modello Whisper distillato separatamente: Turbo è stato sottoposto a fine-tuning per due epoche aggiuntive su dati di trascrizione multilingue, escludendo i dati di traduzione. Questa distinzione è importante sul piano operativo. Il repository di OpenAI afferma che Turbo non è addestrato per tradurre in inglese il parlato in altre lingue e può restituire la lingua originale anche quando si richiede una traduzione. Usate questa edizione per una trascrizione nella stessa lingua; se serve una traduzione, occorre un altro modello adatto o un passaggio separato dopo la trascrizione.
Il rilevamento della lingua di origine e la selezione esplicita della lingua restano opzioni utili per la trascrizione. Se conoscete già la lingua della registrazione, indicatela nella richiesta; altrimenti il flusso di lavoro documentato può rilevarla. Preservate i nomi, le quantità e le parole pronunciate prima di chiedere una revisione editoriale. Il verbale di una riunione, la trascrizione di un’intervista o il testo di una lezione possono poi essere oggetto di ricerche, annotazioni o riassunti in un’operazione successiva. Il compito di riconoscimento di Turbo non va confuso con la sintesi vocale, l’imitazione di un parlante o un giudizio semantico sulle persone presenti nella registrazione.
Il caricatore audio di OpenAI decodifica i file in ingresso in campioni mono a 16 kHz e il modello usa una finestra acustica di 30 secondi con 128 bande di frequenza Mel. Le registrazioni più lunghe richiedono un’inferenza su audio di lunga durata. L’elaborazione sequenziale percorre le finestre in ordine; un approccio a blocchi trascrive porzioni sovrapposte e ne raccorda i confini. La scheda del modello presenta quest’ultimo come utile per elaborare un singolo file lungo quando la priorità principale è il tempo di consegna, mentre l’elaborazione sequenziale privilegia la precisione. Né la finestra né il nome del modello stabiliscono una dimensione massima fissa dei file caricabili su un servizio ospitato.
La configurazione esatta di Turbo elenca 448 posizioni del decoder per una sequenza di decodifica. Il flusso di inferenza documentato può includere i riferimenti temporali dei segmenti o delle parole insieme alla trascrizione; questi aiutano la navigazione e la successiva formattazione dei sottotitoli. Non aggiungono automaticamente un formato di file per i sottotitoli o etichette affidabili dei parlanti. Specificate se serve una trascrizione semplice o segmenti con riferimenti temporali e conservate la registrazione originale per verificare i passaggi controversi. L’elaborazione delle registrazioni lunghe e l’eventuale formattazione finale sono separate dall’identità del checkpoint.
Turbo riduce il lavoro di decodifica, ma il tempo effettivamente necessario dipende dall’hardware, dalla durata della registrazione, dalla lingua, dalla velocità del parlato e dalle scelte di inferenza. Il produttore segnala un maggiore degrado della qualità per alcune lingue, tra cui il thailandese e il cantonese, anziché un comportamento uniforme ovunque. Confrontate un estratto rappresentativo nella lingua prevista prima di considerare il compromesso a favore della velocità adatto a tutto il materiale. Per l’elaborazione di un archivio, includete nel campione da verificare termini difficili, pause e passaggi rumorosi o sovrapposti, non soltanto una frase iniziale pronunciata chiaramente.
La scheda pubblicata riporta i limiti sostanziali del riconoscimento di Whisper: il testo previsto può includere parole che non sono state pronunciate e possono comparire ripetizioni. I risultati variano tra lingue, accenti e dialetti, soprattutto quando la copertura dell’addestramento è limitata. La scheda non attesta la diarizzazione o la classificazione dei parlanti come capacità standard robuste del modello di base. Una verifica pratica si concentra sulla fedeltà alla fonte: nomi e numeri importanti, parlato omesso, testo inatteso durante i silenzi e ripetizioni. Una trascrizione leggibile resta un risultato da confrontare con la registrazione, non una garanzia di riconoscimento esatto.
Il risultato finale utile è una trascrizione nella lingua di origine con gli eventuali riferimenti temporali richiesti e un collegamento chiaro alla registrazione. Tenete separata la versione riconosciuta da quella rivista per la pubblicazione, così da rendere tracciabili le modifiche. Preservate il nome large-v3-turbo quando confrontate le edizioni: non è il modello large-v3 completo e non deve ereditare implicitamente il compito di traduzione in inglese di large-v3. Questa identità a pesi aperti non implica neppure i limiti di caricamento, le strutture delle risposte o le promesse di streaming in diretta del servizio ospitato whisper-1. Scegliete Turbo quando il compromesso documentato per la trascrizione è adatto al materiale reale e ai tempi di consegna desiderati.
POST /v1/audio/transcriptionsaudiotext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/whisper-large-v3-turbo | Predefinito— |
Campoinput_audio | Tipoobject | RequisitoObbligatorio | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, input_audio |
Parametromaterial_types | Contrattoaudio |
Parametromaterial_conditions | ContrattoL'esempio legge il tuo file PCM WAV reale e non vuoto, codifica tutti i byte del file in base64 e invia input_audio.format con valore wav. |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id esatto di un record multimediale esistente di tua proprietà
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Unità di fatturazione | Costo |
|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Unità di fatturazione— | Costo Input · Token in input — / 1K token Output · Token in output — / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| Configurazionesecondo audio in ingresso | Listino delle tariffe— | Unità di fatturazioneper secondo di audio in input | Costo Input · secondo audio in ingresso $0.00000666 per secondo di audio in input |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'openai/whisper-large-v3-turbo', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\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# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nCorpo completo della risposta originale, stato e intestazioni inoltrate. Questo gestore non aggiunge alcuna struttura JSON universale, campo di testo o struttura contenitore dell'attività.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione.
Conserva l'X-Client-Request-ID effettivo e la risposta completa. Consulta le risorse originali di tua proprietà e i relativi URL firmati esatti del contenuto; non inviare mai nuovamente una creazione dall'esito incerto.
| Campo | Tipo |
|---|---|
Campotext (when present) | Tipo |
Campousage (when present) | Tipo |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneIl corpo JSON o l'ID canonico esplicito del modello non è valido. | Passaggio successivoConserva la risposta e correggi il campo della richiesta indicato. |
Risposta401 · authentication_error | CondizioneLa chiave API Ailoot non è valida. | Passaggio successivoUsa la tua chiave API Ailoot autorizzata. |
Risposta403 · permission_error | CondizioneIl gruppo della chiave non è autorizzato a utilizzare questo metodo. | Passaggio successivoConserva i dettagli dell'errore restituiti. |
Risposta404 · not_found_error | CondizioneIl metodo selezionato non dispone di una rotta autorizzata all'utilizzo. | Passaggio successivoConserva i dettagli dell'errore restituiti. |
Risposta422 · price_unavailable | CondizioneLa tariffa accettata non può ottenere la quantità in ingresso o il limite richiesto. | Passaggio successivoConserva la risposta; usa la rappresentazione dell'input richiesta dalla tariffa accettata. |
Risposta503 · | CondizioneL'archiviazione richiesta, la rotta, il prezzo del metodo o la riserva dell'importo non sono disponibili. | Passaggio successivoConserva l'intera risposta originale. Una riserva dell'importo dall'esito incerto non autorizza un nuovo invio. |
Risposta502 · server_error | CondizioneIl risultato originale, i dati di utilizzo o il conguaglio dell'addebito richiedono una verifica. | Passaggio successivoConserva l'ID effettivo della richiesta e la risposta originale. Consulta il record esistente di tua proprietà; non inviare nuovamente la richiesta di creazione. |
Ailoot Ultra openai/whisper-large-v3-turbo
Usa i percorsi dei metodi indicati sopra.