OpenAI: Whisper Large V3
Whisper large-v3는 음성 전사와 음성의 영어 번역을 위한 OpenAI의 공개 가중치 다국어 음성 인식 체크포인트입니다. 녹음된 음성을 텍스트로 바꾸며, 문서에 명시된 언어 선택, 타임스탬프, 30초 음향 처리 창을 넘는 긴 녹음 처리 기능을 제공합니다.
모델 소개
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Whisper large-v3는 약 15억 5천만 개의 매개변수를 가진 OpenAI의 공개된 음성 인식 체크포인트입니다. 다국어 인코더·디코더 모델로, 오디오가 인코더에 들어가면 디코더가 텍스트와 작업 관련 토큰을 예측합니다. 주요 작업은 원어로 된 음성 전사와 음성의 영어 번역입니다. 이는 공개 가중치 모델의 정체성을 가리키며, 호스팅 서비스의 모델 식별자나 해당 서비스의 업로드 및 응답 형식 규칙과 구분해야 합니다.
Large-v3는 이전 대형 Whisper 체크포인트의 구조를 유지하되 두 가지 변경 사항을 명시합니다. 스펙트로그램 입력이 80개 대신 128개의 Mel 주파수 빈을 사용하며 광둥어 언어 토큰을 추가합니다. 제작사의 모델 카드는 약한 레이블이 붙은 오디오 100만 시간과 Whisper large-v2로 만든 의사 레이블 오디오 400만 시간으로 학습했다고 설명합니다. 이 혼합 데이터로 2에포크 학습했습니다. 이 릴리스는 특정 large-v3 체크포인트이며 Whisper 계열의 모든 모델을 통칭하는 이름이 아닙니다.
문서에 명시된 추론 워크플로는 기본적으로 녹음에서 사용한 언어를 유지하는 전사를 수행합니다. 원어를 자동 감지하거나 이미 알고 있는 언어를 지정받을 수 있습니다. 번역 작업에서는 다국어 대형 모델이 비영어 음성으로부터 영어 텍스트 결과를 제공합니다. 작업을 명시적으로 선택하세요. 같은 언어의 전사문과 영어 번역문은 서로 다른 결과물입니다. 인터뷰에서는 원어의 표현을 보존하고, 영어 참고 문서를 만들 때는 발화 내용의 번역이 필요하다고 지정하세요.
오디오 준비는 입력 경로의 일부입니다. OpenAI의 로더는 녹음을 모노 파형으로 디코딩하고 16 kHz로 리샘플링합니다. 모델의 음향 수용 범위는 30초입니다. 이는 처리 창이며 전체 인터뷰나 강의의 최대 길이가 아닙니다. 긴 녹음 추론은 슬라이딩 창을 순차적으로 이동하거나 긴 녹음을 겹치는 청크로 나눈 뒤 전사문을 합칠 수 있습니다. 제작사의 모델 카드는 정확도를 우선할 때 순차 처리, 하나의 긴 녹음을 빨리 완료하는 것이 더 중요할 때 청크 처리를 설명합니다.
공개된 설정에는 개별 디코딩 시퀀스에 448개의 디코더 위치가 명시되어 있습니다. 긴 녹음은 긴 녹음 처리 절차로 다루며 이 수치를 모든 전사문에 적용되는 보편적인 한도로 취급하지 않습니다. 문서에 설명된 워크플로는 인식한 텍스트와 함께 세그먼트 또는 단어 수준의 타임스탬프를 반환할 수 있습니다. 시간 정보는 녹음 탐색과 자막 준비에 유용하며 최종 자막 컨테이너나 전사 파일 형식은 별도의 출력 형식 선택입니다. 전사문을 원본 자료와 맞출 예정이라면 오디오를 준비할 때 녹음의 타이밍을 보존하세요.
Whisper의 본래 역할은 음성 인식과 번역입니다. 강의 전사문, 인터뷰 기록, 검색 가능한 발화 자료 모음은 실용적인 출력입니다. 요약이나 해석은 텍스트를 대상으로 하는 별도 단계로 이어갈 수 있습니다. 모델 카드는 기본 체크포인트의 표준 출력으로 강건한 자동 화자 분류나 화자 분리를 확립하지 않습니다. 작업에 화자 라벨이 필요하다면 정확한 전사문을 만들었다는 주장과 별도로 그 요구를 처리해야 합니다. 유용한 요구사항에는 원어, 전사 또는 영어 번역의 필요 여부, 시간 정보의 필요 여부가 포함됩니다.
주요 한계에는 실제로 말하지 않은 텍스트 생성과 반복 텍스트가 있으며, 잡음이 있는 데이터를 이용한 약지도 학습 및 시퀀스 투 시퀀스 설계와 관련됩니다. 인식 품질은 언어, 억양, 방언에 따라 달라지고 학습 자료가 적은 경우에는 결과가 약해집니다. 따라서 적합성을 판단하는 샘플에는 잡음, 전문 용어, 겹치는 발화를 포함해야 합니다. 이름, 수량, 중요한 진술을 녹음과 비교하고 비음성 구간이나 반복 문장을 점검하세요. 유창한 전사문을 모든 단어를 실제로 들었다는 증거로 취급해서는 안 됩니다.
완전한 결과는 인식된 텍스트, 그 언어, 요청된 시간 정보를 원본 녹음에 대한 참조와 함께 보존합니다. 전사와 후속 편집은 구분하세요. 출판용으로 교정한 전사문은 간투사를 삭제할 수 있지만 인식된 전사문은 모델이 실제로 반환한 내용을 유지합니다. Large-v3의 정체성과 번역 능력도 더 빠른 Turbo 버전과 구분해야 합니다. 실제 처리 속도는 언어, 말하기 속도, 하드웨어, 추론 방식에 따라 달라집니다. 체크포인트 이름만으로 특정 호스팅 지연, 최대 업로드 크기, 활성화된 애플리케이션 경로를 추정할 수는 없습니다.
Ailoot Ultra · 음성 인식 POST /v1/audio/transcriptions openai/whisper-large-v3
openai/whisper-large-v3시작하기
Whisper large-v3는 음성 전사와 음성의 영어 번역을 위한 OpenAI의 공개 가중치 다국어 음성 인식 체크포인트입니다. 녹음된 음성을 텍스트로 바꾸며, 문서에 명시된 언어 선택, 타임스탬프, 30초 음향 처리 창을 넘는 긴 녹음 처리 기능을 제공합니다.
- 허용 입력
- 오디오
- 결과
- transcription
Ailoot에서 사용 가능 · 입력 및 메서드
Ailoot Ultra · 음성 인식 POST /v1/audio/transcriptions
- 입력
audio- 출력
transcription- 출력 형식
- json
| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/whisper-large-v3 | 기본값— |
필드input_audio | 유형object | 요건필수 | 값과 한도 | 기본값— |
필드language | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 최솟값: 0 최댓값: 1 | 기본값— |
필드response_format | 유형string | 요건선택 사항 | 값과 한도 json, verbose_json | 기본값json |
필드timestamp_granularities | 유형array | 요건선택 사항 | 값과 한도 | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 | 기본값— |
입력 자료 조합
speech_to_text · 필수: actual matching-format audio file
메서드 매개변수와 수명 주기
| 매개변수 | 명세 |
|---|---|
매개변수content_types | 명세application/json, multipart/form-data |
매개변수required | 명세model, input_audio |
매개변수material_types | 명세audio |
매개변수JSON_audio | 명세실제 원시 오디오 바이트의 base64 인코딩 및 일치하는 형식 |
매개변수multipart_required | 명세model, file |
매개변수multipart_cap_bytes | 명세26214400 |
매개변수optional_controls | 명세language, temperature, response_format, timestamp_granularities, provider |
매개변수default_response_format | 명세json |
매개변수optional_features | 명세상세 출력, diarize/keyterms 및 URL/더 큰 인라인 오디오는 해당 모델과 공급자의 정확한 지원 기능 및 요금제가 필요합니다. |
수명 주기: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 실제로 반환된 task_id 또는 미디어 라이브러리 기록
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
정확한 모델과 문서에 명시된 입력 필드를 사용하세요.
응답 전체, 모든 실제 출력 및 원래 반환된 ID를 보존하세요.
요금
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
- 빠른 모드
- 미지정 빠른 모드를 선택한 경우
- Flex 모드
- 미지정 flex 모드를 선택한 경우
- 최대 추론 수준
- 미지정 최대 추론 수준에 default 조정값을 적용하는 경우
Ailoot 요금
설정별 가격
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 과금 단위 | 요금 |
|---|---|---|---|
| 설정기본 토큰 요금 | 요금표기본 요금 | 과금 단위— | 요금 입력 · 입력 토큰 — / 1K 토큰 출력 · 출력 토큰 — / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Ultra | 요금표— | 과금 단위입력 오디오 초당 | 요금 입력 · 오디오 입력(초) $0.000015 입력 오디오 초당 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
참조 요금 상세 정보
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
OpenAI: Whisper Large V3
설정별 가격
| 설정 | 과금 조건 | 요금 |
|---|---|---|
| 설정OpenAI: Whisper Large V3 · 기본 설정 | 과금 조건기본 설정 | 요금 입력 · 입력 오디오(초) US$0.000015 입력 오디오 초당 |
요청 예제
Ailoot Ultra · 음성 인식
set -eu
: "${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.
결과 수신 및 저장
Ailoot Ultra · 음성 인식
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
완료된 결과 모두 보관
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
원본 JSON 전체, 사용 가능한 모든 텍스트/구간/단어/화자/타임스탬프 및 사용량입니다.
원래 응답을 확인해야 할 경우
원래 operation_id/X-Client-Request-ID와 원본 응답을 보존하세요. 다시 제출하지 말고 실제 소유 작업/자산 기록을 조회하세요. 전용 오디오 폴링 URL을 만들지 않습니다.
응답 필드
| 필드 | 유형 |
|---|---|
필드text | 유형string |
필드usage | 유형object |
필드segments[] | 유형object |
필드words[] | 유형object |
별칭
모델 별칭
Ailoot Ultra openai/whisper-large-v3
메서드 경로 별칭
위에 표시된 메서드 경로를 사용하세요.
관련 호출용 ID
FAQ · OpenAI: Whisper Large V3
- 어떤 입력과 결과를 사용할 수 있나요?
POST /v1/audio/transcriptions·openai/whisper-large-v3:audio→transcription- 요청은 어떤 필드를 사용하나요?
POST /v1/audio/transcriptions·openai/whisper-large-v3:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- 어떤 제한이 적용되나요?
POST /v1/audio/transcriptions·openai/whisper-large-v3:temperature.minimum:0;temperature.maximum:1