Source: https://ailoot.ai/models/kk/openai-whisper-large-v3-turbo/ Canonical: https://ailoot.ai/models/kk/openai-whisper-large-v3-turbo/ Language: kk # OpenAI: Whisper Large V3 Turbo [Markdown](https://ailoot.ai/models/kk/openai-whisper-large-v3-turbo/index.md) · [JSON](https://ailoot.ai/models/kk/openai-whisper-large-v3-turbo/facts.json) ## [OpenAI: Whisper Large V3 Turbo](https://ailoot.ai/models/kk/openai-whisper-large-v3-turbo/) 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. - [**Ailoot Ultra · Дыбысты мәтінге түсіру** `POST /v1/audio/transcriptions` `openai/whisper-large-v3-turbo`](https://ailoot.ai/models/kk/openai-whisper-large-v3-turbo/#method-0) 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 Ultra · Дыбысты мәтінге түсіру** `POST /v1/audio/transcriptions` `openai/whisper-large-v3-turbo` [`openai/whisper-large-v3-turbo`](https://ailoot.ai/models/kk/#m=openai%2Fwhisper-large-v3-turbo&route=Ultra&caller=openai%2Fwhisper-large-v3-turbo&fmt=transcriptions) 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 ### Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер **Ailoot Ultra · Дыбысты мәтінге түсіру** `POST /v1/audio/transcriptions` Кіріс `audio` Шығыс `text` | Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі | | --- | --- | --- | --- | --- | | Өріс`model` | Түрі`string` | ТалапМіндетті | Мәндер мен шектеулер openai/whisper-large-v3-turbo | Әдепкі— | | Өріс`input_audio` | Түрі`object` | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— | Әдіс параметрлері мен өмірлік циклі | Параметр | Параметр талаптары | | --- | --- | | Параметр`content_type` | Параметр талаптарыapplication/json | | Параметр`required` | Параметр талаптарыmodel, input\_audio | | Параметр`material_types` | Параметр талаптарыaudio | | Параметр`material_conditions` | Параметр 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. | Баптау | Мөлшерлемелер кестесі | Есептеу бірлігі | Төлем | | --- | --- | --- | --- | | БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Есептеу 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 секунды | Мөлшерлемелер кестесі— | Есептеу бірлігікіріс аудионың секунды үшін | Төлем Кіріс · кіріс аудио секунды **$0.00000666** кіріс аудионың секунды үшін | Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. [Резервтеу мен төлемді есептеу тәртібі →](https://ailoot.ai/docs/kk/billing/reserve/) ### Сұрау мысалдары #### Ailoot Ultra · Дыбысты мәтінге түсіру curl · нақты WAV файлы және бастапқы толық нәтиже ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}" export AILOOT_AUDIO_FILE python3 - <<'PY_REQUEST' import base64, io, json, os, wave from pathlib import Path audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'): raise SystemExit('Supply your actual PCM WAV audio file') with wave.open(io.BytesIO(audio), 'rb') as recording: if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0: raise SystemExit('Supply a nonempty PCM WAV recording') request = {'model': 'openai/whisper-large-v3-turbo', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}} Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Retain the complete original response, headers and actual X-Client-Request-ID. # Read existing owned records for recovery; do not resubmit an uncertain operation. ``` ### 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. - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### 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 | Өріс | Түрі | | --- | --- | | Өріс`text (when present)` | Түрі | | Өріс`usage (when present)` | Түрі | Қателер және келесі қадамдар | Жауап | Шарт | Келесі қадам | | --- | --- | --- | | Жауап400 · `invalid_request_error` | ШартJSON денесі немесе нақты канондық модель ID мәні жарамсыз. | Келесі қадамЖауапты сақтап, сұраудың көрсетілген өрісін түзетіңіз. | | Жауап401 · `authentication_error` | ШартAiloot API кілті жарамсыз. | Келесі қадамПайдалануға рұқсат етілген Ailoot API кілтіңізді қолданыңыз. | | Жауап403 · `permission_error` | ШартКілттің тобына бұл әдісті пайдалануға рұқсат берілмеген. | Келесі қадамҚайтарылған қатенің толық мәліметін сақтаңыз. | | Жауап404 · `not_found_error` | ШартТаңдалған әдісте пайдалануға рұқсат етілген маршрут жоқ. | Келесі қадамҚайтарылған қатенің толық мәліметін сақтаңыз. | | Жауап422 · `price_unavailable` | ШартҚабылданған 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_error` | ШартБастапқы 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`](https://ailoot.ai/models/kk/#m=openai%2Fwhisper-large-v3-turbo&route=Ultra&caller=openai%2Fwhisper-large-v3-turbo&fmt=transcriptions) #### Әдіс жолдарының балама атаулары Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз. #### Шақыруға арналған байланысты ID [`openai/whisper-large-v3-turbo`](https://ailoot.ai/models/kk/#m=openai%2Fwhisper-large-v3-turbo&route=Ultra&caller=openai%2Fwhisper-large-v3-turbo&fmt=transcriptions) FAQ · OpenAI: Whisper Large V3 Turbo Қандай кіріс деректері мен нәтижелер қолжетімді? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3-turbo`: `audio` → `text` Сұрау қандай өрістерді пайдаланады? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3-turbo`: `model`, `input_audio` Ailoot-ты Claude Code, OpenCode, Hermes не қолданбаңызға қосыңыз. ## Компания және оның жобалар портфелі Компания және оның жобалар портфелі: миллиондаған клиент; ай сайынғы сату көлемі миллиардтармен есептеледі. ## Токенді жеңілдікпен сатып алыңыз. Тұрақты жұмысқа жазылым жеңілдігі. Токен сатып алуға промокодтар — 50% дейін. Жазылым Тұрақты сұрауыңызға жеңілдікті тариф таңдаңыз. 50% дейінгі промокод Сатып алғанда код енгізіңіз. Баға қазіргі науқанмен қайта есептеледі. Тарихтағы шығындар Әр сұрауға модель, токен және сома сақталады. [Жазылым таңдау](https://ailoot.ai/docs/kk/billing/subscriptions/) · [Модель бағасын көру](https://ailoot.ai/models/kk/) ## API-ді сататын өніміңізге қосыңыз. SaaS, қолданба мен бот Ailoot офертасы және лицензиялық шартына сай. Қайта сатуға реселлер лицензиясын сұраңыз. Коммерциялық қолданба Қызметіңіздің ақылы функциясына мәтін, сурет, бейне және дыбыс жасауды қосыңыз. Реселлер лицензиясы Жоба сипаттамасы мен кіру схемасын жіберіңіз. Пайдалану мен қайта сатуға жазбаша шарт сұраңыз. Сайттағы құжаттар Оферта, лицензиялық шарт және дерек саясаты қоспай тұрып қолжетімді. [Реселлер лицензиясын сұрау](mailto:support@ailoot.ai) · [Оферта мен лицензиялық шарт](https://ailoot.ai/legal/offer?lang=kk) ## Ailoot · Компания және оның жобалар портфелі Ailoot жинақталған жұмыс тәжірибесіне, кең клиенттік базаға, тұрақты қызметке және KPI көрсеткіштерін үздіксіз бақылауға сүйенеді. Компания және оның жобалар портфелі: миллиондаған клиент; ай сайынғы сату көлемі миллиардтармен есептеледі. Ailoot осы тәжірибені клиенттердің өнімдерінде, агенттерінде, қолданбаларында және автоматтандыруларында жасанды интеллект мүмкіндіктеріне API арқылы қол жеткізуді қамтамасыз етуге пайдаланады.