Source: https://ailoot.ai/models/it/openai-whisper-large-v3/ Canonical: https://ailoot.ai/models/it/openai-whisper-large-v3/ Language: it # OpenAI: Whisper Large V3 [Markdown](https://ailoot.ai/models/it/openai-whisper-large-v3/index.md) · [JSON](https://ailoot.ai/models/it/openai-whisper-large-v3/facts.json) ## [OpenAI: Whisper Large V3](https://ailoot.ai/models/it/openai-whisper-large-v3/) Whisper large-v3 è il checkpoint multilingue di riconoscimento del parlato a pesi aperti di OpenAI per trascrizione e traduzione del parlato in inglese. Converte parlato registrato in testo, con selezione della lingua, timestamp ed elaborazione di lunga durata documentati oltre la finestra acustica di 30 secondi. - [**Ailoot Ultra · Riconoscimento vocale** `POST /v1/audio/transcriptions` `openai/whisper-large-v3`](https://ailoot.ai/models/it/openai-whisper-large-v3/#method-0) Informazioni sul modello 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 è un checkpoint di riconoscimento del parlato rilasciato da OpenAI con circa 1,55 miliardi di parametri. È un modello multilingue encoder-decoder: l’audio entra nell’encoder e il decoder predice testo e token relativi all’attività. Le attività principali sono trascrizione del parlato nella lingua di origine e traduzione del parlato in inglese. È un’identità di modello a pesi aperti, mantenuta separata dall’identificatore di modello di un servizio ospitato o dalle regole di caricamento e formato della risposta di quel servizio. Large-v3 mantiene l’architettura dei precedenti checkpoint large di Whisper con due modifiche dichiarate: l’input spettrogramma usa 128 bande di frequenze Mel anziché 80 e aggiunge un token linguistico cantonese. La scheda del modello del produttore descrive addestramento su un milione di ore di audio debolmente etichettato e quattro milioni di ore di audio pseudo-etichettato preparato con Whisper large-v2. Questa combinazione è stata usata per due epoche di addestramento. La release è uno specifico checkpoint large-v3 anziché un nome generico per ogni modello della famiglia Whisper. Il flusso di inferenza documentato esegue la trascrizione per impostazione predefinita, preservando la lingua parlata nella registrazione. Può rilevare automaticamente la lingua di origine o accettare una selezione di lingua nota. Per la traduzione, il modello large multilingue fornisce un risultato testuale inglese da parlato non inglese. Scegli esplicitamente quell’attività: una trascrizione nella stessa lingua e una traduzione inglese sono artefatti differenti. Per un’intervista, conserva la formulazione nella lingua originale; per un documento di riferimento inglese, specifica che il risultato desiderato è una traduzione del contenuto parlato. La preparazione audio fa parte del percorso di input. Il loader di OpenAI decodifica una registrazione in una forma d’onda mono e la ricampiona a 16 kHz. Il campo ricettivo acustico del modello è di 30 secondi. È una finestra di elaborazione, non la lunghezza massima di un’intera intervista o lezione. L’inferenza di lunga durata può avanzare sequenzialmente attraverso finestre scorrevoli oppure dividere una registrazione lunga in segmenti sovrapposti e unire le trascrizioni. La scheda del produttore descrive l’elaborazione sequenziale quando la precisione è prioritaria e quella a segmenti quando conta maggiormente il tempo necessario per una singola registrazione lunga. La configurazione rilasciata elenca 448 posizioni del decoder per una singola sequenza di decodifica. Le registrazioni più lunghe vengono gestite dal processo di lunga durata anziché trattare quel numero come un limite universale della trascrizione. Il flusso documentato può restituire timestamp a livello di segmento o parola insieme al testo riconosciuto. Questi output temporali sono utili per navigare le registrazioni e preparare sottotitoli, mentre qualsiasi contenitore finale di sottotitoli o formato di file di trascrizione è una scelta separata di formattazione dell’output. Preserva la temporizzazione della registrazione quando prepari l’audio se la trascrizione verrà allineata al materiale originale. Il ruolo previsto di Whisper è riconoscere e tradurre il parlato. Una trascrizione di lezione, un record di intervista o una raccolta ricercabile di materiale parlato sono output concreti; riepilogo o interpretazione possono seguire come un altro passaggio sul testo. La scheda del modello non stabilisce una robusta classificazione automatica dei parlanti o diarizzazione come output standard del checkpoint base. Se un’attività richiede etichette dei parlanti, quel requisito deve essere gestito separatamente dall’affermazione di avere una trascrizione accurata. Un brief utile identifica lingua di origine, necessità di trascrizione o traduzione inglese ed eventuale necessità di informazioni temporali. Le limitazioni sostanziali comprendono testo inventato mai pronunciato e testo ripetitivo, associati all’addestramento debolmente supervisionato su dati rumorosi e alla progettazione sequence-to-sequence. La qualità del riconoscimento varia tra lingue, accenti e dialetti, con risultati più deboli dove esiste meno materiale di addestramento. Rumore, vocabolario specialistico e parlato sovrapposto dovrebbero quindi essere rappresentati nel campione usato per giudicare l’idoneità. Confronta nomi, quantità e affermazioni importanti con la registrazione ed esamina passaggi senza parlato o righe ripetute anziché trattare una trascrizione fluida come prova che ogni parola sia stata udita. Un risultato completo conserva testo riconosciuto, lingua ed eventuale temporizzazione richiesta con un riferimento alla registrazione originale. Mantieni la trascrizione separata dalle modifiche successive: una trascrizione corretta per pubblicazione può rimuovere intercalari, mentre quella riconosciuta preserva ciò che il modello ha effettivamente restituito. Identità e capacità di traduzione di Large-v3 dovrebbero inoltre rimanere separate dall’edizione Turbo più veloce. La velocità effettiva dipende da lingua, velocità del parlato, hardware e metodo di inferenza; nessuna particolare latenza ospitata, dimensione massima di caricamento o rotta applicativa abilitata deriva soltanto dal nome del checkpoint. **Ailoot Ultra · Riconoscimento vocale** `POST /v1/audio/transcriptions` `openai/whisper-large-v3` [`openai/whisper-large-v3`](https://ailoot.ai/models/it/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) OpenAI /`openai/whisper-large-v3` ### Introduzione Whisper large-v3 è il checkpoint multilingue di riconoscimento del parlato a pesi aperti di OpenAI per trascrizione e traduzione del parlato in inglese. Converte parlato registrato in testo, con selezione della lingua, timestamp ed elaborazione di lunga durata documentati oltre la finestra acustica di 30 secondi. Input accettati Audio Risultati transcription ### Disponibile in Ailoot · input e metodi **Ailoot Ultra · Riconoscimento vocale** `POST /v1/audio/transcriptions` Tipi di input `audio` Tipi di output `transcription` Formato di output json | Campo | Tipo | Requisito | Valori e limiti | Predefinito | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObbligatorio | Valori e limiti openai/whisper-large-v3 | Predefinito— | | Campo`input_audio` | Tipo`object` | RequisitoObbligatorio | Valori e limiti | Predefinito— | | Campo`language` | Tipo`string` | RequisitoFacoltativo | Valori e limiti | Predefinito— | | Campo`temperature` | Tipo`number` | RequisitoFacoltativo | Valori e limiti Minimo: 0 Massimo: 1 | Predefinito— | | Campo`response_format` | Tipo`string` | RequisitoFacoltativo | Valori e limiti json, verbose\_json | Predefinitojson | | Campo`timestamp_granularities` | Tipo`array` | RequisitoFacoltativo | Valori e limiti | Predefinito— | | Campo`provider` | Tipo`object` | RequisitoFacoltativo | Valori e limiti | Predefinito— | Combinazioni di materiali in input **speech\_to\_text** · Obbligatorio: actual matching-format audio file Parametri e ciclo di vita del metodo | Parametro | Contratto | | --- | --- | | Parametro`content_types` | Contrattoapplication/json, multipart/form-data | | Parametro`required` | Contrattomodel, input\_audio | | Parametro`material_types` | Contrattoaudio | | Parametro`JSON_audio` | Contrattobyte audio grezzi reali in base64 con il formato corrispondente | | Parametro`multipart_required` | Contrattomodel, file | | Parametro`multipart_cap_bytes` | Contratto26214400 | | Parametro`optional_controls` | Contrattolanguage, temperature, response\_format, timestamp\_granularities, provider | | Parametro`default_response_format` | Contrattojson | | Parametro`optional_features` | ContrattoL'output dettagliato, diarize/keyterms e l'audio tramite URL o incorporato di dimensioni maggiori richiedono la capacità e la tariffa esatte del modello e del fornitore. | Ciclo di vita: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · task\_id effettivamente restituito o record della libreria multimediale `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Usa il modello esatto e i campi di input documentati. Conserva la risposta completa, ogni risultato effettivo e gli ID originali restituiti. ### Tariffe Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato. Modalità rapida Non specificato Quando è selezionata la modalità rapida Modalità flex Non specificato Quando è selezionata la modalità flex Sforzo massimo di ragionamento Non specificato Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default) #### Tariffe Ailoot #### Prezzi per configurazione 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 | | ConfigurazioneUltra | Listino delle tariffe— | Unità di fatturazioneper secondo di audio in input | Costo Input · secondo audio in ingresso **$0.000015** per secondo di audio in input | Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. [Come funzionano la prenotazione e l’addebito finale →](https://ailoot.ai/docs/it/billing/reserve/) #### Dettagli della tariffa di riferimento I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato. OpenAI: Whisper Large V3 #### Prezzi per configurazione | Configurazione | Condizioni di fatturazione | Costo | | --- | --- | --- | | ConfigurazioneOpenAI: Whisper Large V3 · Configurazione predefinita | Condizioni di fatturazioneConfigurazione predefinita | Costo Input · Secondi audio in ingresso **0,000015 USD** per secondo di audio in input | ### Esempi di richieste #### Ailoot Ultra · Riconoscimento vocale curl · corpo della richiesta nel formato nativo esatto e risultato completo ```bash set -eu : "${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. ``` ### Ricevi e salva i risultati #### Ailoot Ultra · Riconoscimento vocale json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Conserva tutti i risultati completati Conserva ogni risposta, file e parte di contenuto restituiti per intero. JSON originale completo, tutto il testo, i segmenti, le parole, i parlanti, i timestamp e i dati di utilizzo disponibili. ##### Se occorre verificare la risposta originale Conserva operation\_id/X-Client-Request-ID originali e la risposta originale. Consulta i record reali delle attività o delle risorse di tua proprietà senza inviare nuovamente la richiesta; non viene costruito un URL dedicato per interrogare periodicamente l'audio. Campi della risposta | Campo | Tipo | | --- | --- | | Campo`text` | Tipostring | | Campo`usage` | Tipoobject | | Campo`segments[]` | Tipoobject | | Campo`words[]` | Tipoobject | ### Alias #### Alias del modello **Ailoot Ultra** [`openai/whisper-large-v3`](https://ailoot.ai/models/it/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`openai/whisper-large-v3`](https://ailoot.ai/models/it/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) FAQ · OpenAI: Whisper Large V3 Quali input e risultati sono disponibili? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `audio` → `transcription` Quali campi usa la richiesta? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Quali limiti si applicano? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Collega Ailoot a Claude Code, OpenCode, Hermes o alla tua applicazione. ## L’azienda e il suo portafoglio di progetti L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. ## Acquista token con uno sconto. Sconto con abbonamento per lavoro regolare. Codici fino al 50% sull’acquisto di token. Abbonamento Scegli un piano scontato per richieste regolari. Codice fino al 50% Inserisci il codice all’acquisto. Il prezzo si aggiorna secondo la promozione. Spese nella cronologia Modello, token e importo sono salvati per ogni richiesta. [Scegli abbonamento](https://ailoot.ai/docs/it/billing/subscriptions/) · [Consulta prezzi dei modelli](https://ailoot.ai/models/it/) ## Collega l’API al prodotto che vendi. SaaS, app e bot secondo offerta e accordo di licenza Ailoot. Per rivendere, richiedi una licenza reseller. Applicazione commerciale Integra generazione di testo, immagini, video e suono nelle funzioni a pagamento. Licenza reseller Invia descrizione del progetto e schema di accesso. Richiedi condizioni scritte per uso e rivendita. Documenti sul sito Offerta, accordo di licenza e politica sui dati sono disponibili prima della connessione. [Richiedi licenza reseller](mailto:support@ailoot.ai) · [Offerta e accordo di licenza](https://ailoot.ai/legal/offer?lang=it) ## Ailoot · L’azienda e il suo portafoglio di progetti Ailoot si basa su un’esperienza operativa consolidata, un’ampia base di clienti, un servizio stabile e un controllo costante dei KPI. L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. Ailoot mette questa esperienza operativa al servizio dell’accesso API alle funzioni AI nei prodotti dei clienti, negli agenti, nelle applicazioni e nelle automazioni.