{ "aboutHtml": "

Whisper large-v3-turbo, Turbo деп те аталады, — OpenAI компаниясының Whisper large-v3 негізінде жасалған, сөйлеуді мәтінге айналдыруға оңтайландырылған моделі. Оның декодері 32 қабаттан төртке қысқартылған, ал энкодер 32 қабатты күйінде қалған. Шығарылған модельде шамамен 809 миллион параметр бар. Өндірушінің мақсаты — дәлдікті шамалы төмендету есебінен сөйлеуді тезірек тану, басқа дыбыс генерациясы режимін жасау емес. Кіріс — жазылған сөйлеу, нәтиже — танылған мәтін.

Шығарылым хабарландыруы Turbo-ны дайындау тәсілін бөлек дистилляцияланған Whisper моделін дайындау тәсілінен ажыратады: Turbo аударма деректерін қоспай, көптілді сөйлеуді мәтінге түсіру деректерінде қосымша екі оқыту айналымы бойы жетілдірілген. Бұл айырма жұмыс үшін маңызды. OpenAI репозиторийі Turbo ағылшынша емес сөйлеуді ағылшын тіліне аударуға үйретілмегенін және аударма сұралса да бастапқы тілде нәтиже беруі мүмкін екенін айтады. Бұл нұсқаны жазба тіліндегі мәтін үшін пайдаланыңыз; аударма талабын басқа тиісті модель немесе сөйлеуді мәтінге түсіргеннен кейінгі бөлек қадам орындайды.

Бастапқы тілді анықтау және тілді нақты таңдау сөйлеуді мәтінге түсірудің пайдалы баптаулары болып қалады. Жазба тілі белгілі болса, тапсырмада көрсетіңіз; әйтпесе құжатталған жұмыс барысы оны анықтай алады. Редакторлық өңдеуді сұрамас бұрын есімдерді, мөлшерлерді және айтылған сөздерді сақтаңыз. Одан кейін жиналыс хаттамасынан, сұхбат мәтінінен немесе дәріс мәтінінен іздеуге, белгі қосуға не қысқаша мазмұн жасауға болады. Turbo-ның тану міндетін дауыс синтезімен, сөйлеушіге еліктеумен немесе жазбадағы адамдарды мағыналық тұрғыдан бағалаумен шатастырмау керек.

OpenAI компаниясының аудио жүктегіші кіріс файлдарын 16 kHz жиілігіндегі моно үлгілерге декодтайды, ал модель 128 Mel жиілік жолағы бар 30 секундтық акустикалық терезені пайдаланады. Ұзағырақ жазбалар үшін ұзақ аудиоға арналған инференс қажет. Тізбекті өңдеу терезелерден ретімен өтеді; бөліктерге бөліп өңдеу қабаттасатын үзінділерді мәтінге түсіріп, олардың шекараларын біріктіреді. Модель карточкасы екінші тәсілді бір ұзақ файлды өңдеуде нәтижені алу уақыты басты басымдық болғанда пайдалы деп, ал тізбекті өңдеуді дәлдікке бағытталған балама деп көрсетеді. Терезе де, модель атауы да серверде орналастырылған қызметке жүктелетін файлдың тұрақты ең үлкен көлемін белгілемейді.

Turbo-ның нақты конфигурациясында бір декодтау тізбегіне арналған 448 декодер позициясы көрсетілген. Құжатталған инференс барысы мәтінмен бірге сегменттердің немесе сөздердің уақыт белгілерін де қамти алады; уақыт белгілері шарлауға және кейін субтитрлерді пішімдеуге көмектеседі. Олар субтитр файлының пішімін немесе сөйлеушілердің сенімді белгілерін автоматты түрде қоспайды. Жай мәтін немесе уақыт белгілері бар сегменттер керек екенін көрсетіп, даулы үзінділерді тексеру үшін бастапқы жазбаны қолжетімді сақтаңыз. Ұзақ жазбаларды өңдеу және соңғы пішімдеу салмақтардың бекітілген нұсқасының идентификаторынан бөлек.

Turbo декодтау жұмысын азайтады, бірақ нақты уақыт жабдыққа, жазба ұзақтығына, тілге, сөйлеу қарқынына және инференс баптауларына байланысты. Өндіруші сапаның төмендеуі барлық тілде бірдей емес екенін, кей тілдерде, соның ішінде тай және кантон тілдерінде көбірек байқалатынын атап өтеді. Жылдамдыққа басымдық беретін бұл ымыраны барлық материалға жарамды деп қабылдамас бұрын қажетті тілдегі материалға тән үзіндіні салыстырыңыз. Мұрағат өңдеу тапсырмасында тек анық бастапқы сөйлемді емес, күрделі лексиканы, үзілістерді, шулы немесе қатар сөйлеген тұстарды да тексеру үлгісіне қосыңыз.

Жарияланған карточка Whisper тануының елеулі шектеулерін қамтиды: болжанған мәтінде айтылмаған сөздер немесе қайталанған мәтін болуы мүмкін. Нәтижелер тілдер, акценттер және диалектілер арасында, әсіресе оқыту деректерінің қамтуы шектеулі жерде, өзгереді. Карточка сөйлеушілер бойынша уақыттық бөліктерге бөлуді немесе сөйлеушілерді жіктеуді базалық модельдің сенімді стандартты мүмкіндіктері ретінде бекітпейді. Практикалық тексеру бастапқы жазбаға сәйкестікке назар аударады: маңызды есімдер мен сандарға, түсіп қалған сөйлеуге, тыныштықтағы күтпеген мәтінге және қайталауларға. Оқуға ыңғайлы мәтін дәл тану кепілдігі емес, жазбамен салыстырылатын нәтиже болып қалады.

Пайдалы дайын материал — сұралған уақыт белгілері болса, солармен және жазбасымен анық байланысы бар бастапқы тілдегі мәтін. Өзгерістерді қадағалау үшін танылған нұсқаны жариялауға өңделген нұсқадан бөлек сақтаңыз. Нұсқаларды салыстырғанда large-v3-turbo атауын сақтаңыз: ол толық large-v3 моделі емес және large-v3-тің ағылшын тіліне аудару міндетін байқатпай мұраламауы керек. Салмақтары ашық бұл модель идентификаторы серверде орналастырылған whisper-1 қызметінің жүктеу шектерін, жауап құрылымдарын немесе тікелей ағынмен жұмыс істеу уәделерін де қамтымайды. Құжатталған сөйлеуді мәтінге түсіру ымырасы нақты материалға және қажетті нәтижені алу уақытына сәйкес келгенде Turbo-ны таңдаңыз.

", "aboutText": "Whisper large-v3-turbo, Turbo деп те аталады, — OpenAI компаниясының Whisper large-v3 негізінде жасалған, сөйлеуді мәтінге айналдыруға оңтайландырылған моделі. Оның декодері 32 қабаттан төртке қысқартылған, ал энкодер 32 қабатты күйінде қалған. Шығарылған модельде шамамен 809 миллион параметр бар. Өндірушінің мақсаты — дәлдікті шамалы төмендету есебінен сөйлеуді тезірек тану, басқа дыбыс генерациясы режимін жасау емес. Кіріс — жазылған сөйлеу, нәтиже — танылған мәтін.\n\nШығарылым хабарландыруы Turbo-ны дайындау тәсілін бөлек дистилляцияланған Whisper моделін дайындау тәсілінен ажыратады: Turbo аударма деректерін қоспай, көптілді сөйлеуді мәтінге түсіру деректерінде қосымша екі оқыту айналымы бойы жетілдірілген. Бұл айырма жұмыс үшін маңызды. OpenAI репозиторийі Turbo ағылшынша емес сөйлеуді ағылшын тіліне аударуға үйретілмегенін және аударма сұралса да бастапқы тілде нәтиже беруі мүмкін екенін айтады. Бұл нұсқаны жазба тіліндегі мәтін үшін пайдаланыңыз; аударма талабын басқа тиісті модель немесе сөйлеуді мәтінге түсіргеннен кейінгі бөлек қадам орындайды.\n\nБастапқы тілді анықтау және тілді нақты таңдау сөйлеуді мәтінге түсірудің пайдалы баптаулары болып қалады. Жазба тілі белгілі болса, тапсырмада көрсетіңіз; әйтпесе құжатталған жұмыс барысы оны анықтай алады. Редакторлық өңдеуді сұрамас бұрын есімдерді, мөлшерлерді және айтылған сөздерді сақтаңыз. Одан кейін жиналыс хаттамасынан, сұхбат мәтінінен немесе дәріс мәтінінен іздеуге, белгі қосуға не қысқаша мазмұн жасауға болады. Turbo-ның тану міндетін дауыс синтезімен, сөйлеушіге еліктеумен немесе жазбадағы адамдарды мағыналық тұрғыдан бағалаумен шатастырмау керек.\n\nOpenAI компаниясының аудио жүктегіші кіріс файлдарын 16 kHz жиілігіндегі моно үлгілерге декодтайды, ал модель 128 Mel жиілік жолағы бар 30 секундтық акустикалық терезені пайдаланады. Ұзағырақ жазбалар үшін ұзақ аудиоға арналған инференс қажет. Тізбекті өңдеу терезелерден ретімен өтеді; бөліктерге бөліп өңдеу қабаттасатын үзінділерді мәтінге түсіріп, олардың шекараларын біріктіреді. Модель карточкасы екінші тәсілді бір ұзақ файлды өңдеуде нәтижені алу уақыты басты басымдық болғанда пайдалы деп, ал тізбекті өңдеуді дәлдікке бағытталған балама деп көрсетеді. Терезе де, модель атауы да серверде орналастырылған қызметке жүктелетін файлдың тұрақты ең үлкен көлемін белгілемейді.\n\nTurbo-ның нақты конфигурациясында бір декодтау тізбегіне арналған 448 декодер позициясы көрсетілген. Құжатталған инференс барысы мәтінмен бірге сегменттердің немесе сөздердің уақыт белгілерін де қамти алады; уақыт белгілері шарлауға және кейін субтитрлерді пішімдеуге көмектеседі. Олар субтитр файлының пішімін немесе сөйлеушілердің сенімді белгілерін автоматты түрде қоспайды. Жай мәтін немесе уақыт белгілері бар сегменттер керек екенін көрсетіп, даулы үзінділерді тексеру үшін бастапқы жазбаны қолжетімді сақтаңыз. Ұзақ жазбаларды өңдеу және соңғы пішімдеу салмақтардың бекітілген нұсқасының идентификаторынан бөлек.\n\nTurbo декодтау жұмысын азайтады, бірақ нақты уақыт жабдыққа, жазба ұзақтығына, тілге, сөйлеу қарқынына және инференс баптауларына байланысты. Өндіруші сапаның төмендеуі барлық тілде бірдей емес екенін, кей тілдерде, соның ішінде тай және кантон тілдерінде көбірек байқалатынын атап өтеді. Жылдамдыққа басымдық беретін бұл ымыраны барлық материалға жарамды деп қабылдамас бұрын қажетті тілдегі материалға тән үзіндіні салыстырыңыз. Мұрағат өңдеу тапсырмасында тек анық бастапқы сөйлемді емес, күрделі лексиканы, үзілістерді, шулы немесе қатар сөйлеген тұстарды да тексеру үлгісіне қосыңыз.\n\nЖарияланған карточка Whisper тануының елеулі шектеулерін қамтиды: болжанған мәтінде айтылмаған сөздер немесе қайталанған мәтін болуы мүмкін. Нәтижелер тілдер, акценттер және диалектілер арасында, әсіресе оқыту деректерінің қамтуы шектеулі жерде, өзгереді. Карточка сөйлеушілер бойынша уақыттық бөліктерге бөлуді немесе сөйлеушілерді жіктеуді базалық модельдің сенімді стандартты мүмкіндіктері ретінде бекітпейді. Практикалық тексеру бастапқы жазбаға сәйкестікке назар аударады: маңызды есімдер мен сандарға, түсіп қалған сөйлеуге, тыныштықтағы күтпеген мәтінге және қайталауларға. Оқуға ыңғайлы мәтін дәл тану кепілдігі емес, жазбамен салыстырылатын нәтиже болып қалады.\n\nПайдалы дайын материал — сұралған уақыт белгілері болса, солармен және жазбасымен анық байланысы бар бастапқы тілдегі мәтін. Өзгерістерді қадағалау үшін танылған нұсқаны жариялауға өңделген нұсқадан бөлек сақтаңыз. Нұсқаларды салыстырғанда large-v3-turbo атауын сақтаңыз: ол толық large-v3 моделі емес және large-v3-тің ағылшын тіліне аудару міндетін байқатпай мұраламауы керек. Салмақтары ашық бұл модель идентификаторы серверде орналастырылған whisper-1 қызметінің жүктеу шектерін, жауап құрылымдарын немесе тікелей ағынмен жұмыс істеу уәделерін де қамтымайды. Құжатталған сөйлеуді мәтінге түсіру ымырасы нақты материалға және қажетті нәтижені алу уақытына сәйкес келгенде Turbo-ны таңдаңыз.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "08ddb9a44ec0391499fafcfcae4d340b235827860ad50d6e07e9b0dea9a6ab09", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "kk", "methods": [ { "html": "
O

OpenAI: Whisper Large V3 Turbo

OpenAI /openai/whisper-large-v3-turbo

Бастау

Whisper large-v3-turbo — OpenAI компаниясының large-v3 негізінде жасалған, салмақтары ашық, сөйлеуді мәтінге тезірек айналдыратын нұсқасы. Оның төрт декодер қабаты және 809 миллион параметрі бар. Ол көптілді сөйлеуді мәтінге айналдыруға арналған; өндірушінің ресми құжаттамасына сай, Turbo сөйлеуді ағылшын тіліне аударуға үйретілмеген.

Қабылданатын кіріс деректері
Аудио
Нәтижелер
Мәтін
Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

Whisper large-v3-turbo, Turbo деп те аталады, — OpenAI компаниясының Whisper large-v3 негізінде жасалған, сөйлеуді мәтінге айналдыруға оңтайландырылған моделі. Оның декодері 32 қабаттан төртке қысқартылған, ал энкодер 32 қабатты күйінде қалған. Шығарылған модельде шамамен 809 миллион параметр бар. Өндірушінің мақсаты — дәлдікті шамалы төмендету есебінен сөйлеуді тезірек тану, басқа дыбыс генерациясы режимін жасау емес. Кіріс — жазылған сөйлеу, нәтиже — танылған мәтін.

Шығарылым хабарландыруы Turbo-ны дайындау тәсілін бөлек дистилляцияланған Whisper моделін дайындау тәсілінен ажыратады: Turbo аударма деректерін қоспай, көптілді сөйлеуді мәтінге түсіру деректерінде қосымша екі оқыту айналымы бойы жетілдірілген. Бұл айырма жұмыс үшін маңызды. OpenAI репозиторийі Turbo ағылшынша емес сөйлеуді ағылшын тіліне аударуға үйретілмегенін және аударма сұралса да бастапқы тілде нәтиже беруі мүмкін екенін айтады. Бұл нұсқаны жазба тіліндегі мәтін үшін пайдаланыңыз; аударма талабын басқа тиісті модель немесе сөйлеуді мәтінге түсіргеннен кейінгі бөлек қадам орындайды.

Бастапқы тілді анықтау және тілді нақты таңдау сөйлеуді мәтінге түсірудің пайдалы баптаулары болып қалады. Жазба тілі белгілі болса, тапсырмада көрсетіңіз; әйтпесе құжатталған жұмыс барысы оны анықтай алады. Редакторлық өңдеуді сұрамас бұрын есімдерді, мөлшерлерді және айтылған сөздерді сақтаңыз. Одан кейін жиналыс хаттамасынан, сұхбат мәтінінен немесе дәріс мәтінінен іздеуге, белгі қосуға не қысқаша мазмұн жасауға болады. Turbo-ның тану міндетін дауыс синтезімен, сөйлеушіге еліктеумен немесе жазбадағы адамдарды мағыналық тұрғыдан бағалаумен шатастырмау керек.

OpenAI компаниясының аудио жүктегіші кіріс файлдарын 16 kHz жиілігіндегі моно үлгілерге декодтайды, ал модель 128 Mel жиілік жолағы бар 30 секундтық акустикалық терезені пайдаланады. Ұзағырақ жазбалар үшін ұзақ аудиоға арналған инференс қажет. Тізбекті өңдеу терезелерден ретімен өтеді; бөліктерге бөліп өңдеу қабаттасатын үзінділерді мәтінге түсіріп, олардың шекараларын біріктіреді. Модель карточкасы екінші тәсілді бір ұзақ файлды өңдеуде нәтижені алу уақыты басты басымдық болғанда пайдалы деп, ал тізбекті өңдеуді дәлдікке бағытталған балама деп көрсетеді. Терезе де, модель атауы да серверде орналастырылған қызметке жүктелетін файлдың тұрақты ең үлкен көлемін белгілемейді.

Turbo-ның нақты конфигурациясында бір декодтау тізбегіне арналған 448 декодер позициясы көрсетілген. Құжатталған инференс барысы мәтінмен бірге сегменттердің немесе сөздердің уақыт белгілерін де қамти алады; уақыт белгілері шарлауға және кейін субтитрлерді пішімдеуге көмектеседі. Олар субтитр файлының пішімін немесе сөйлеушілердің сенімді белгілерін автоматты түрде қоспайды. Жай мәтін немесе уақыт белгілері бар сегменттер керек екенін көрсетіп, даулы үзінділерді тексеру үшін бастапқы жазбаны қолжетімді сақтаңыз. Ұзақ жазбаларды өңдеу және соңғы пішімдеу салмақтардың бекітілген нұсқасының идентификаторынан бөлек.

Turbo декодтау жұмысын азайтады, бірақ нақты уақыт жабдыққа, жазба ұзақтығына, тілге, сөйлеу қарқынына және инференс баптауларына байланысты. Өндіруші сапаның төмендеуі барлық тілде бірдей емес екенін, кей тілдерде, соның ішінде тай және кантон тілдерінде көбірек байқалатынын атап өтеді. Жылдамдыққа басымдық беретін бұл ымыраны барлық материалға жарамды деп қабылдамас бұрын қажетті тілдегі материалға тән үзіндіні салыстырыңыз. Мұрағат өңдеу тапсырмасында тек анық бастапқы сөйлемді емес, күрделі лексиканы, үзілістерді, шулы немесе қатар сөйлеген тұстарды да тексеру үлгісіне қосыңыз.

Жарияланған карточка Whisper тануының елеулі шектеулерін қамтиды: болжанған мәтінде айтылмаған сөздер немесе қайталанған мәтін болуы мүмкін. Нәтижелер тілдер, акценттер және диалектілер арасында, әсіресе оқыту деректерінің қамтуы шектеулі жерде, өзгереді. Карточка сөйлеушілер бойынша уақыттық бөліктерге бөлуді немесе сөйлеушілерді жіктеуді базалық модельдің сенімді стандартты мүмкіндіктері ретінде бекітпейді. Практикалық тексеру бастапқы жазбаға сәйкестікке назар аударады: маңызды есімдер мен сандарға, түсіп қалған сөйлеуге, тыныштықтағы күтпеген мәтінге және қайталауларға. Оқуға ыңғайлы мәтін дәл тану кепілдігі емес, жазбамен салыстырылатын нәтиже болып қалады.

Пайдалы дайын материал — сұралған уақыт белгілері болса, солармен және жазбасымен анық байланысы бар бастапқы тілдегі мәтін. Өзгерістерді қадағалау үшін танылған нұсқаны жариялауға өңделген нұсқадан бөлек сақтаңыз. Нұсқаларды салыстырғанда large-v3-turbo атауын сақтаңыз: ол толық large-v3 моделі емес және large-v3-тің ағылшын тіліне аудару міндетін байқатпай мұраламауы керек. Салмақтары ашық бұл модель идентификаторы серверде орналастырылған whisper-1 қызметінің жүктеу шектерін, жауап құрылымдарын немесе тікелей ағынмен жұмыс істеу уәделерін де қамтымайды. Құжатталған сөйлеуді мәтінге түсіру ымырасы нақты материалға және қажетті нәтижені алу уақытына сәйкес келгенде Turbo-ны таңдаңыз.

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions
Кіріс
audio
Шығыс
text
ӨрісТүріТалапМәндер мен шектеулерӘдепкі
ӨрісmodelТүріstringТалапМіндеттіМәндер мен шектеулер
openai/whisper-large-v3-turbo
Әдепкі—
Өрісinput_audioТүріobjectТалапМіндеттіМәндер мен шектеулерӘдепкі—
Әдіс параметрлері мен өмірлік циклі
ПараметрПараметр талаптары
Параметрcontent_typeПараметр талаптарыapplication/json
ПараметрrequiredПараметр талаптарыmodel, input_audio
Параметрmaterial_typesПараметр талаптарыaudio
Параметрmaterial_conditionsПараметр талаптарыМысал сіздің нақты, бос емес PCM WAV файлыңызды оқып, файлдың барлық байтын base64 пішіміне кодтайды және input_audio.format өрісін wav мәнімен жібереді.

Өмірлік цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · иелігіңіздегі бар медиа жазбасынан алынған дәл task_id

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Тарифтер

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим
Көрсетілмеген Жылдам режим таңдалғанда
Икемді режим
Көрсетілмеген flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі
Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Ailoot мөлшерлемелері

Баптаулар бойынша бағалар

Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.

БаптауМөлшерлемелер кестесіЕсептеу бірлігіТөлем
БаптауТокендердің базалық тарифтеріМөлшерлемелер кестесіНегізгі мөлшерлемеЕсептеу бірлігі—Төлем
Кіріс · Кіріс токендері — / 1K токен
Шығыс · Шығыс токендері — / 1K токен
Кіріс · Кэшті оқу — / 1K токен
Кіріс · Кэшке жазу — / 1K токен
Кіріс · Кэшке жазу, 1 сағ — / 1K токен
Баптаукіріс аудио секундыМөлшерлемелер кестесі—Есептеу бірлігікіріс аудионың секунды үшінТөлем
Кіріс · кіріс аудио секунды $0.00000666 кіріс аудионың секунды үшін

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot Ultra · Дыбысты мәтінге түсіру

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.\n

Нәтижелерді алу және сақтау

Ailoot Ultra · Дыбысты мәтінге түсіру

Бастапқы жауаптың толық денесі, күйі және әрі қарай берілген тақырыптары. Бұл өңдегіш әмбебап JSON құрылымын, мәтін өрісін немесе тапсырманың сыртқы құрылымын қоспайды.

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Толық жауапты және тақырыптарды, алынған әрбір нәтижені, бастапқыда қайтарылған идентификаторларды және пайдалану туралы барлық өрістерді сақтаңыз. Жасау сұрауын қайта жібермей, бастапқы операцияны қалпына келтіріңіз.

Бастапқы жауапты тексеру қажет болса

Нақты X-Client-Request-ID мәнін және толық жауапты сақтаңыз. Иелігіңіздегі бастапқы ресурстарды және олардың қолтаңбасы бар дәл мазмұн URL мекенжайларын оқыңыз; нәтижесі белгісіз жасау сұрауын ешқашан қайта жібермеңіз.

Жауап өрістері
ӨрісТүрі
Өрісtext (when present)Түрі
Өрісusage (when present)Түрі
Қателер және келесі қадамдар
ЖауапШартКелесі қадам
Жауап400 · invalid_request_errorШартJSON денесі немесе нақты канондық модель ID мәні жарамсыз.Келесі қадамЖауапты сақтап, сұраудың көрсетілген өрісін түзетіңіз.
Жауап401 · authentication_errorШартAiloot API кілті жарамсыз.Келесі қадамПайдалануға рұқсат етілген Ailoot API кілтіңізді қолданыңыз.
Жауап403 · permission_errorШартКілттің тобына бұл әдісті пайдалануға рұқсат берілмеген.Келесі қадамҚайтарылған қатенің толық мәліметін сақтаңыз.
Жауап404 · not_found_errorШартТаңдалған әдісте пайдалануға рұқсат етілген маршрут жоқ.Келесі қадамҚайтарылған қатенің толық мәліметін сақтаңыз.
Жауап422 · price_unavailableШартҚабылданған тариф өзіне қажетті кіріс мөлшерін немесе шегін ала алмайды.Келесі қадамЖауапты сақтаңыз; қабылданған тариф талап ететін кіріс пішімін пайдаланыңыз.
Жауап503 · ШартҚажетті қойма, маршрут, әдіс бағасы немесе қаражат резерві қолжетімді емес.Келесі қадамБастапқы жауапты толық сақтаңыз. Нәтижесі белгісіз қаражат резерві сұрауды қайта жіберуге рұқсат бермейді.
Жауап502 · server_errorШартБастапқы нәтижені, пайдалану деректерін немесе есеп айырысуды тексеру қажет.Келесі қадамНақты сұрау ID мәнін және бастапқы жауапты сақтаңыз. Иелігіңіздегі бар жазбаны оқыңыз; жасау сұрауын қайта жібермеңіз.

Балама атаулар

Модельдердің балама атаулары

Ailoot Ultra openai/whisper-large-v3-turbo

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

openai/whisper-large-v3-turbo

", "method_identity": { "effective_request_model_id": "openai/whisper-large-v3-turbo", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "openai/whisper-large-v3-turbo", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|openai%2Fwhisper-large-v3-turbo", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "JSON денесі немесе нақты канондық модель ID мәні жарамсыз.", "http_status": 400, "recovery": "Жауапты сақтап, сұраудың көрсетілген өрісін түзетіңіз.", "type": "invalid_request_error" }, { "code": null, "condition": "Ailoot API кілті жарамсыз.", "http_status": 401, "recovery": "Пайдалануға рұқсат етілген Ailoot API кілтіңізді қолданыңыз.", "type": "authentication_error" }, { "code": null, "condition": "Кілттің тобына бұл әдісті пайдалануға рұқсат берілмеген.", "http_status": 403, "recovery": "Қайтарылған қатенің толық мәліметін сақтаңыз.", "type": "permission_error" }, { "code": null, "condition": "Таңдалған әдісте пайдалануға рұқсат етілген маршрут жоқ.", "http_status": 404, "recovery": "Қайтарылған қатенің толық мәліметін сақтаңыз.", "type": "not_found_error" }, { "code": null, "condition": "Қабылданған тариф өзіне қажетті кіріс мөлшерін немесе шегін ала алмайды.", "http_status": 422, "recovery": "Жауапты сақтаңыз; қабылданған тариф талап ететін кіріс пішімін пайдаланыңыз.", "type": "price_unavailable" }, { "code": null, "condition": "Қажетті қойма, маршрут, әдіс бағасы немесе қаражат резерві қолжетімді емес.", "http_status": 503, "recovery": "Бастапқы жауапты толық сақтаңыз. Нәтижесі белгісіз қаражат резерві сұрауды қайта жіберуге рұқсат бермейді.", "type": null }, { "code": null, "condition": "Бастапқы нәтижені, пайдалану деректерін немесе есеп айырысуды тексеру қажет.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "Нақты сұрау ID мәнін және бастапқы жауапты сақтаңыз. Иелігіңіздегі бар жазбаны оқыңыз; жасау сұрауын қайта жібермеңіз.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Нақты X-Client-Request-ID мәнін және толық жауапты сақтаңыз. Иелігіңіздегі бастапқы ресурстарды және олардың қолтаңбасы бар дәл мазмұн URL мекенжайларын оқыңыз; нәтижесі белгісіз жасау сұрауын ешқашан қайта жібермеңіз." }, "outputs": { "all_results": "Толық жауапты және тақырыптарды, алынған әрбір нәтижені, бастапқыда қайтарылған идентификаторларды және пайдалану туралы барлық өрістерді сақтаңыз. Жасау сұрауын қайта жібермей, бастапқы операцияны қалпына келтіріңіз.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Бастапқы жауаптың толық денесі, күйі және әрі қарай берілген тақырыптары. Бұл өңдегіш әмбебап JSON құрылымын, мәтін өрісін немесе тапсырманың сыртқы құрылымын қоспайды." }, "parameters": [ { "default_known": false, "enum": [ "openai/whisper-large-v3-turbo" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/whisper-large-v3-turbo" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/whisper-large-v3-turbo" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Мысал сіздің нақты, бос емес PCM WAV файлыңызды оқып, файлдың барлық байтын base64 пішіміне кодтайды және input_audio.format өрісін wav мәнімен жібереді." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "иелігіңіздегі бар медиа жазбасынан алынған дәл task_id", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "examples": [ { "code": "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.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Дыбысты мәтінге түсіру", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 6.66e-06 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "openai/whisper-large-v3-turbo", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } } ], "model_id": "openai/whisper-large-v3-turbo", "nativeProvenance": { "input_facts_canonical_sha256": "22f300e1966b3515d1b30e4916a4204a7d20a163cc62b03ecc705a4110203357", "input_html_sha256": "9fde878622e342fc70e9cf3aca3866253b50cd84f61185f83669136d2bda12d7", "private_audit_sha256": "7b3d8bdf040709dd9da080ce9a51859aebd901bae21f31f93aea0b0af565935a", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/kk/openai-whisper-large-v3-turbo/", "description": "Whisper large-v3-turbo — OpenAI компаниясының large-v3 негізінде жасалған, салмақтары ашық, сөйлеуді мәтінге тезірек айналдыратын нұсқасы. Оның төрт декодер қабаты және 809 миллион параметрі бар. Ол көптілді сөйлеуді мәтінге айналдыруға арналған; өндірушінің ресми құжаттамасына сай, Turbo сөйлеуді ағылшын тіліне аударуға үйретілмеген.", "locale": "kk", "md_url": "https://ailoot.ai/models/kk/openai-whisper-large-v3-turbo/index.md", "title": "OpenAI: Whisper Large V3 Turbo — Ailoot", "url": "https://ailoot.ai/models/kk/openai-whisper-large-v3-turbo/" }, "rawModel": { "about": "Whisper large-v3-turbo, Turbo деп те аталады, — OpenAI компаниясының Whisper large-v3 негізінде жасалған, сөйлеуді мәтінге айналдыруға оңтайландырылған моделі. Оның декодері 32 қабаттан төртке қысқартылған, ал энкодер 32 қабатты күйінде қалған. Шығарылған модельде шамамен 809 миллион параметр бар. Өндірушінің мақсаты — дәлдікті шамалы төмендету есебінен сөйлеуді тезірек тану, басқа дыбыс генерациясы режимін жасау емес. Кіріс — жазылған сөйлеу, нәтиже — танылған мәтін.\n\nШығарылым хабарландыруы Turbo-ны дайындау тәсілін бөлек дистилляцияланған Whisper моделін дайындау тәсілінен ажыратады: Turbo аударма деректерін қоспай, көптілді сөйлеуді мәтінге түсіру деректерінде қосымша екі оқыту айналымы бойы жетілдірілген. Бұл айырма жұмыс үшін маңызды. OpenAI репозиторийі Turbo ағылшынша емес сөйлеуді ағылшын тіліне аударуға үйретілмегенін және аударма сұралса да бастапқы тілде нәтиже беруі мүмкін екенін айтады. Бұл нұсқаны жазба тіліндегі мәтін үшін пайдаланыңыз; аударма талабын басқа тиісті модель немесе сөйлеуді мәтінге түсіргеннен кейінгі бөлек қадам орындайды.\n\nБастапқы тілді анықтау және тілді нақты таңдау сөйлеуді мәтінге түсірудің пайдалы баптаулары болып қалады. Жазба тілі белгілі болса, тапсырмада көрсетіңіз; әйтпесе құжатталған жұмыс барысы оны анықтай алады. Редакторлық өңдеуді сұрамас бұрын есімдерді, мөлшерлерді және айтылған сөздерді сақтаңыз. Одан кейін жиналыс хаттамасынан, сұхбат мәтінінен немесе дәріс мәтінінен іздеуге, белгі қосуға не қысқаша мазмұн жасауға болады. Turbo-ның тану міндетін дауыс синтезімен, сөйлеушіге еліктеумен немесе жазбадағы адамдарды мағыналық тұрғыдан бағалаумен шатастырмау керек.\n\nOpenAI компаниясының аудио жүктегіші кіріс файлдарын 16 kHz жиілігіндегі моно үлгілерге декодтайды, ал модель 128 Mel жиілік жолағы бар 30 секундтық акустикалық терезені пайдаланады. Ұзағырақ жазбалар үшін ұзақ аудиоға арналған инференс қажет. Тізбекті өңдеу терезелерден ретімен өтеді; бөліктерге бөліп өңдеу қабаттасатын үзінділерді мәтінге түсіріп, олардың шекараларын біріктіреді. Модель карточкасы екінші тәсілді бір ұзақ файлды өңдеуде нәтижені алу уақыты басты басымдық болғанда пайдалы деп, ал тізбекті өңдеуді дәлдікке бағытталған балама деп көрсетеді. Терезе де, модель атауы да серверде орналастырылған қызметке жүктелетін файлдың тұрақты ең үлкен көлемін белгілемейді.\n\nTurbo-ның нақты конфигурациясында бір декодтау тізбегіне арналған 448 декодер позициясы көрсетілген. Құжатталған инференс барысы мәтінмен бірге сегменттердің немесе сөздердің уақыт белгілерін де қамти алады; уақыт белгілері шарлауға және кейін субтитрлерді пішімдеуге көмектеседі. Олар субтитр файлының пішімін немесе сөйлеушілердің сенімді белгілерін автоматты түрде қоспайды. Жай мәтін немесе уақыт белгілері бар сегменттер керек екенін көрсетіп, даулы үзінділерді тексеру үшін бастапқы жазбаны қолжетімді сақтаңыз. Ұзақ жазбаларды өңдеу және соңғы пішімдеу салмақтардың бекітілген нұсқасының идентификаторынан бөлек.\n\nTurbo декодтау жұмысын азайтады, бірақ нақты уақыт жабдыққа, жазба ұзақтығына, тілге, сөйлеу қарқынына және инференс баптауларына байланысты. Өндіруші сапаның төмендеуі барлық тілде бірдей емес екенін, кей тілдерде, соның ішінде тай және кантон тілдерінде көбірек байқалатынын атап өтеді. Жылдамдыққа басымдық беретін бұл ымыраны барлық материалға жарамды деп қабылдамас бұрын қажетті тілдегі материалға тән үзіндіні салыстырыңыз. Мұрағат өңдеу тапсырмасында тек анық бастапқы сөйлемді емес, күрделі лексиканы, үзілістерді, шулы немесе қатар сөйлеген тұстарды да тексеру үлгісіне қосыңыз.\n\nЖарияланған карточка Whisper тануының елеулі шектеулерін қамтиды: болжанған мәтінде айтылмаған сөздер немесе қайталанған мәтін болуы мүмкін. Нәтижелер тілдер, акценттер және диалектілер арасында, әсіресе оқыту деректерінің қамтуы шектеулі жерде, өзгереді. Карточка сөйлеушілер бойынша уақыттық бөліктерге бөлуді немесе сөйлеушілерді жіктеуді базалық модельдің сенімді стандартты мүмкіндіктері ретінде бекітпейді. Практикалық тексеру бастапқы жазбаға сәйкестікке назар аударады: маңызды есімдер мен сандарға, түсіп қалған сөйлеуге, тыныштықтағы күтпеген мәтінге және қайталауларға. Оқуға ыңғайлы мәтін дәл тану кепілдігі емес, жазбамен салыстырылатын нәтиже болып қалады.\n\nПайдалы дайын материал — сұралған уақыт белгілері болса, солармен және жазбасымен анық байланысы бар бастапқы тілдегі мәтін. Өзгерістерді қадағалау үшін танылған нұсқаны жариялауға өңделген нұсқадан бөлек сақтаңыз. Нұсқаларды салыстырғанда large-v3-turbo атауын сақтаңыз: ол толық large-v3 моделі емес және large-v3-тің ағылшын тіліне аудару міндетін байқатпай мұраламауы керек. Салмақтары ашық бұл модель идентификаторы серверде орналастырылған whisper-1 қызметінің жүктеу шектерін, жауап құрылымдарын немесе тікелей ағынмен жұмыс істеу уәделерін де қамтымайды. Құжатталған сөйлеуді мәтінге түсіру ымырасы нақты материалға және қажетті нәтижені алу уақытына сәйкес келгенде Turbo-ны таңдаңыз.", "alias_of": null, "aliases": [], "author": "OpenAI", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ], "summary": "Конфигурация бағалары туралы толық ақпарат — егжей-тегжейлі мәліметтерде." } ], "ctx": null, "formats": [ "transcriptions" ], "id": "openai/whisper-large-v3-turbo", "input": [ "audio" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "JSON денесі немесе нақты канондық модель ID мәні жарамсыз.", "http_status": 400, "recovery": "Жауапты сақтап, сұраудың көрсетілген өрісін түзетіңіз.", "type": "invalid_request_error" }, { "code": null, "condition": "Ailoot API кілті жарамсыз.", "http_status": 401, "recovery": "Пайдалануға рұқсат етілген Ailoot API кілтіңізді қолданыңыз.", "type": "authentication_error" }, { "code": null, "condition": "Кілттің тобына бұл әдісті пайдалануға рұқсат берілмеген.", "http_status": 403, "recovery": "Қайтарылған қатенің толық мәліметін сақтаңыз.", "type": "permission_error" }, { "code": null, "condition": "Таңдалған әдісте пайдалануға рұқсат етілген маршрут жоқ.", "http_status": 404, "recovery": "Қайтарылған қатенің толық мәліметін сақтаңыз.", "type": "not_found_error" }, { "code": null, "condition": "Қабылданған тариф өзіне қажетті кіріс мөлшерін немесе шегін ала алмайды.", "http_status": 422, "recovery": "Жауапты сақтаңыз; қабылданған тариф талап ететін кіріс пішімін пайдаланыңыз.", "type": "price_unavailable" }, { "code": null, "condition": "Қажетті қойма, маршрут, әдіс бағасы немесе қаражат резерві қолжетімді емес.", "http_status": 503, "recovery": "Бастапқы жауапты толық сақтаңыз. Нәтижесі белгісіз қаражат резерві сұрауды қайта жіберуге рұқсат бермейді.", "type": null }, { "code": null, "condition": "Бастапқы нәтижені, пайдалану деректерін немесе есеп айырысуды тексеру қажет.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "Нақты сұрау ID мәнін және бастапқы жауапты сақтаңыз. Иелігіңіздегі бар жазбаны оқыңыз; жасау сұрауын қайта жібермеңіз.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Нақты X-Client-Request-ID мәнін және толық жауапты сақтаңыз. Иелігіңіздегі бастапқы ресурстарды және олардың қолтаңбасы бар дәл мазмұн URL мекенжайларын оқыңыз; нәтижесі белгісіз жасау сұрауын ешқашан қайта жібермеңіз." }, "outputs": { "all_results": "Толық жауапты және тақырыптарды, алынған әрбір нәтижені, бастапқыда қайтарылған идентификаторларды және пайдалану туралы барлық өрістерді сақтаңыз. Жасау сұрауын қайта жібермей, бастапқы операцияны қалпына келтіріңіз.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Бастапқы жауаптың толық денесі, күйі және әрі қарай берілген тақырыптары. Бұл өңдегіш әмбебап JSON құрылымын, мәтін өрісін немесе тапсырманың сыртқы құрылымын қоспайды." }, "parameters": [ { "default_known": false, "enum": [ "openai/whisper-large-v3-turbo" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "openai/whisper-large-v3-turbo" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "openai/whisper-large-v3-turbo" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Мысал сіздің нақты, бос емес PCM WAV файлыңызды оқып, файлдың барлық байтын base64 пішіміне кодтайды және input_audio.format өрісін wav мәнімен жібереді." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "иелігіңіздегі бар медиа жазбасынан алынған дәл task_id", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "examples": [ { "code": "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.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Дыбысты мәтінге түсіру", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 6.66e-06 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "openai/whisper-large-v3-turbo", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "model_aliases": [ { "canonical_model_id": "openai/whisper-large-v3-turbo", "request_model_id": "openai/whisper-large-v3-turbo", "route_label": "Ultra" } ], "name": "OpenAI: Whisper Large V3 Turbo", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "short": "Whisper large-v3-turbo — OpenAI компаниясының large-v3 негізінде жасалған, салмақтары ашық, сөйлеуді мәтінге тезірек айналдыратын нұсқасы. Оның төрт декодер қабаты және 809 миллион параметрі бар. Ол көптілді сөйлеуді мәтінге айналдыруға арналған; өндірушінің ресми құжаттамасына сай, Turbo сөйлеуді ағылшын тіліне аударуға үйретілмеген." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Whisper large-v3-turbo — OpenAI компаниясының large-v3 негізінде жасалған, салмақтары ашық, сөйлеуді мәтінге тезірек айналдыратын нұсқасы. Оның төрт декодер қабаты және 809 миллион параметрі бар. Ол көптілді сөйлеуді мәтінге айналдыруға арналған; өндірушінің ресми құжаттамасына сай, Turbo сөйлеуді ағылшын тіліне аударуға үйретілмеген.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "9cf5571fc9aef667c032152d7aa139ca6ebdb62d7a34de1b717424ad101fb707", "renderer_sha256": "def3bb6e69c8ddb72f88ec6540bbe55d0e503790f964d84073ecda781b13bedf" }, "sourceRevision": "70207c2b8c059c59e4b9608f52ffd73b240b78d3ed1c834440271f8e337f59b3" }