Source: https://ailoot.ai/models/lt/openai-whisper-large-v3/ Canonical: https://ailoot.ai/models/lt/openai-whisper-large-v3/ Language: lt # OpenAI: Whisper Large V3 [Markdown](https://ailoot.ai/models/lt/openai-whisper-large-v3/index.md) · [JSON](https://ailoot.ai/models/lt/openai-whisper-large-v3/facts.json) ## [OpenAI: Whisper Large V3](https://ailoot.ai/models/lt/openai-whisper-large-v3/) Whisper large-v3 yra atvirų svorių daugiakalbis OpenAI kalbos atpažinimo modelio leidimas transkripcijai ir kalbos vertimui į anglų kalbą. Jis paverčia įrašytą kalbą tekstu; dokumentuojamas kalbos pasirinkimas, laiko žymos ir ilgų įrašų apdorojimas už 30 sekundžių akustinio lango ribų. - [**Ailoot Ultra · Kalbos atpažinimas** `POST /v1/audio/transcriptions` `openai/whisper-large-v3`](https://ailoot.ai/models/lt/openai-whisper-large-v3/#method-0) Apie modelį Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau. Whisper large-v3 yra išleistas OpenAI kalbos atpažinimo modelio leidimas, turintis maždaug 1,55 milijardo parametrų. Tai daugiakalbis koduotuvo ir dekoduotuvo modelis: garsas patenka į koduotuvą, o dekoduotuvas numato tekstą ir su užduotimi susijusius žetonus. Pagrindinės užduotys yra kalbos transkripcija šaltinio kalba ir kalbos vertimas į anglų kalbą. Tai atvirų svorių modelio tapatybė, atskiriama nuo prieglobos paslaugos modelio identifikatoriaus ar tos paslaugos įkėlimo bei atsako formato taisyklių. Large-v3 išlaiko ankstesnių didžiųjų Whisper modelio leidimų architektūrą su dviem nurodytais pakeitimais: spektrogramos įvestis naudoja 128 Melo dažnių juostas vietoj 80 ir pridedamas kantoniečių kalbos žetonas. Gamintojo modelio kortelėje aprašomas mokymas naudojant vieną milijoną valandų silpnai sužymėto garso ir keturis milijonus valandų pseudopažymėto garso, paruošto su Whisper large-v2. Šis mišinys naudotas dvi mokymo epochas. Leidimas yra konkretus large-v3 modelio leidimas, o ne bendras kiekvieno Whisper šeimos modelio pavadinimas. Dokumentuotas vykdymo procesas pagal numatytąsias nuostatas atlieka transkripciją, išsaugodamas įraše vartojamą kalbą. Jis gali automatiškai aptikti šaltinio kalbą arba priimti žinomos kalbos pasirinkimą. Vertimui daugiakalbis didysis modelis iš ne angliškos kalbos pateikia angliško teksto rezultatą. Šią užduotį pasirinkite aiškiai: transkripcija ta pačia kalba ir vertimas į anglų kalbą yra skirtingi rezultatai. Interviu išsaugokite originalios kalbos formuluotes; angliškam informaciniam dokumentui nurodykite, kad norimas rezultatas yra sakytinio turinio vertimas. Garso paruošimas yra įvesties kelio dalis. OpenAI įkėliklis dekoduoja įrašą į mono bangos formą ir pakeičia diskretizavimo dažnį į 16 kHz. Modelio akustinis aprėpties laukas yra 30 sekundžių. Tai apdorojimo langas, o ne didžiausia viso interviu ar paskaitos trukmė. Ilgų įrašų vykdymas gali nuosekliai judėti slankiaisiais langais arba padalyti ilgą įrašą į persidengiančias dalis ir sujungti jų transkripcijas. Gamintojo modelio kortelėje aprašomas nuoseklus apdorojimas, kai svarbiausia tikslumas, ir apdorojimas dalimis, kai svarbesnis vieno ilgo įrašo parengimo laikas. Išleistoje konfigūracijoje nurodomos 448 dekoduotuvo pozicijos vienai dekodavimo sekai. Ilgesni įrašai apdorojami ilgų įrašų procesu, o ne laikant šį skaičių universalia transkripcijos riba. Dokumentuotas procesas gali kartu su atpažintu tekstu grąžinti segmentų arba žodžių lygmens laiko žymas. Šios laiko išvestys naudingos naršant įrašus ir ruošiant subtitrus, o galutinis subtitrų konteineris ar transkripcijos failo formatas yra atskiras išvesties formatavimo pasirinkimas. Ruošdami garsą išsaugokite įrašo laiko atskaitą, jei transkripcija bus suderinama su originalia medžiaga. Numatytas Whisper vaidmuo yra kalbos atpažinimas ir vertimas. Paskaitos transkripcija, interviu protokolas ar paieškai tinkamas sakytinės medžiagos rinkinys yra praktinė išvestis; santraukų kūrimas ar interpretavimas gali būti tolesnis veiksmas su tekstu. Modelio kortelė nepatvirtina patikimo automatinio kalbėtojų klasifikavimo ar atskyrimo kaip standartinės bazinio modelio išvesties. Jei užduočiai reikia kalbėtojų žymų, šį reikalavimą reikia spręsti atskirai nuo teiginio apie tikslią transkripciją. Naudinga užduotis nurodo šaltinio kalbą, ar reikia transkripcijos, ar vertimo į anglų kalbą ir ar reikia laiko informacijos. Esminiai apribojimai apima niekada neištarto teksto išgalvojimą ir pasikartojantį tekstą, siejamus su silpnai prižiūrimu mokymu triukšmingais duomenimis bei sekos keitimo į seką architektūra. Atpažinimo kokybė skiriasi tarp kalbų, akcentų ir tarmių; rezultatai silpnesni ten, kur mokymo medžiagos mažiau. Todėl tinkamumui vertinti naudojamame pavyzdyje turėtų būti triukšmo, specializuoto žodyno ir persidengiančios kalbos. Vardus, kiekius bei svarbius teiginius palyginkite su įrašu ir patikrinkite atkarpas be kalbos ar pasikartojančias eilutes, užuot sklandžią transkripciją laikę įrodymu, kad kiekvienas žodis išgirstas. Pilnas rezultatas išsaugo atpažintą tekstą, jo kalbą ir visas prašytas laiko žymas su nuoroda į originalų įrašą. Transkripciją atskirkite nuo vėlesnio redagavimo: pataisyta publikavimo transkripcija gali pašalinti užpildomuosius žodžius, o atpažinta transkripcija išsaugo tai, ką modelis faktiškai grąžino. Large-v3 tapatybę ir vertimo galimybę taip pat reikia skirti nuo greitesnės Turbo versijos. Faktinis apdorojimo greitis priklauso nuo kalbos, kalbėjimo greičio, aparatinės įrangos ir vykdymo metodo; vien iš modelio leidimo pavadinimo negalima spręsti apie konkrečią prieglobos delsą, didžiausią įkėlimo dydį ar įjungtą programos maršrutą. **Ailoot Ultra · Kalbos atpažinimas** `POST /v1/audio/transcriptions` `openai/whisper-large-v3` [`openai/whisper-large-v3`](https://ailoot.ai/models/lt/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) OpenAI /`openai/whisper-large-v3` ### Pradžia Whisper large-v3 yra atvirų svorių daugiakalbis OpenAI kalbos atpažinimo modelio leidimas transkripcijai ir kalbos vertimui į anglų kalbą. Jis paverčia įrašytą kalbą tekstu; dokumentuojamas kalbos pasirinkimas, laiko žymos ir ilgų įrašų apdorojimas už 30 sekundžių akustinio lango ribų. Leidžiamos įvestys Garsas Rezultatai transcription ### Prieinama Ailoot · įvestys ir metodai **Ailoot Ultra · Kalbos atpažinimas** `POST /v1/audio/transcriptions` Įvestis `audio` Išvestis `transcription` Išvesties formatas json | Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta | | --- | --- | --- | --- | --- | | Laukas`model` | Tipas`string` | ReikalavimasPrivaloma | Reikšmės ir ribos openai/whisper-large-v3 | Numatyta— | | Laukas`input_audio` | Tipas`object` | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— | | Laukas`language` | Tipas`string` | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— | | Laukas`temperature` | Tipas`number` | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 0 Didžiausia reikšmė: 1 | Numatyta— | | Laukas`response_format` | Tipas`string` | ReikalavimasNeprivaloma | Reikšmės ir ribos json, verbose\_json | Numatytajson | | Laukas`timestamp_granularities` | Tipas`array` | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— | | Laukas`provider` | Tipas`object` | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— | Įvesties medžiagos deriniai **speech\_to\_text** · Privaloma: actual matching-format audio file Metodo parametrai ir gyvavimo ciklas | Parametras | Specifikacija | | --- | --- | | Parametras`content_types` | Specifikacijaapplication/json, multipart/form-data | | Parametras`required` | Specifikacijamodel, input\_audio | | Parametras`material_types` | Specifikacijaaudio | | Parametras`JSON_audio` | Specifikacijatikrieji neapdoroti garso baitai base64 formatu ir juos atitinkantis formatas | | Parametras`multipart_required` | Specifikacijamodel, file | | Parametras`multipart_cap_bytes` | Specifikacija26214400 | | Parametras`optional_controls` | Specifikacijalanguage, temperature, response\_format, timestamp\_granularities, provider | | Parametras`default_response_format` | Specifikacijajson | | Parametras`optional_features` | SpecifikacijaIšsamiai išvesčiai, diarize/keyterms ir URL arba didesniam užklausoje įterptam garso įrašui reikia tikslios modelio ir teikėjo galimybės bei tarifo. | Gyvavimo ciklas: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · faktiškai grąžinta task\_id reikšmė arba medijos bibliotekos įrašas `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Naudokite tikslų modelį ir dokumentacijoje nurodytus įvesties laukus. Išsaugokite visą atsakymą, kiekvieną tikrą rezultatą ir pradinius grąžintus ID. ### Planai Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo. Spartusis režimas Nenurodyta Pasirinkus spartųjį režimą Flex režimas Nenurodyta Pasirinkus flex režimą Didžiausios samprotavimo pastangos Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default) #### Ailoot įkainiai #### Kainos pagal konfigūraciją Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį. | Konfigūracija | Įkainių lentelė | Apskaitos vienetas | Mokestis | | --- | --- | --- | --- | | KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Apskaitos vienetas— | Mokestis Įvestis · Įvesties tokenai **—** / 1K tokenų Išvestis · Išvesties tokenai **—** / 1K tokenų Įvestis · Talpyklos skaitymas **—** / 1K tokenų Įvestis · Rašymas į talpyklą **—** / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val **—** / 1K tokenų | | KonfigūracijaUltra | Įkainių lentelė— | Apskaitos vienetasuž įvesties garso sekundę | Mokestis Įvestis · garso įvesties sekundė **$0.000015** už įvesties garso sekundę | Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. [Kaip veikia rezervavimas ir atsiskaitymas →](https://ailoot.ai/docs/lt/billing/reserve/) #### Informacinio tarifo duomenys Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius. OpenAI: Whisper Large V3 #### Kainos pagal konfigūraciją | Konfigūracija | Apmokestinimo sąlygos | Mokestis | | --- | --- | --- | | KonfigūracijaOpenAI: Whisper Large V3 · Numatytoji konfigūracija | Apmokestinimo sąlygosNumatytoji konfigūracija | Mokestis Įvestis · Įvesties garso sekundės **0,000015 USD** už įvesties garso sekundę | ### Užklausų pavyzdžiai #### Ailoot Ultra · Kalbos atpažinimas curl · tikslus savosios sąsajos užklausos turinys ir visas rezultatas ```bash set -eu : "${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. ``` ### Gauti ir išsaugoti rezultatus #### Ailoot Ultra · Kalbos atpažinimas json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Išsaugoti visus baigtus rezultatus Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį. Visas pradinis JSON, visas pasiekiamas tekstas, segmentai, žodžiai, kalbėtojai, laiko žymos ir naudojimo duomenys. ##### Jei reikia patikrinti pradinį atsakymą Išsaugokite pradinius operation\_id/X-Client-Request-ID ir pradinį atsakymą. Skaitykite tikrus jums priklausančių užduočių ir išteklių įrašus neteikdami užklausos pakartotinai; atskiras garso būsenos tikrinimo URL nekuriamas. Atsakymo laukai | Laukas | Tipas | | --- | --- | | Laukas`text` | Tipasstring | | Laukas`usage` | Tipasobject | | Laukas`segments[]` | Tipasobject | | Laukas`words[]` | Tipasobject | ### Pseudonimai #### Modelių pseudonimai **Ailoot Ultra** [`openai/whisper-large-v3`](https://ailoot.ai/models/lt/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) #### Metodų kelių pseudonimai Naudokite aukščiau nurodytus metodų kelius. #### Susiję ID iškvietimui [`openai/whisper-large-v3`](https://ailoot.ai/models/lt/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) FAQ · OpenAI: Whisper Large V3 Kokios įvestys ir rezultatai prieinami? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `audio` → `transcription` Kokius laukus naudoja užklausa? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Kokie apribojimai taikomi? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Prijunkite Ailoot prie Claude Code, OpenCode, Hermes arba savo programos. ## Įmonė ir jos projektų portfelis Įmonė ir jos projektų portfelis: milijonai klientų; mėnesio pardavimai siekia milijardus. ## Pirkite žetonus su nuolaida. Prenumeratos nuolaida reguliariam darbui. Kodai — iki 50% žetonų pirkimui. Prenumerata Pasirinkite planą su nuolaida reguliarioms užklausoms. Nuolaidos kodas iki 50% Įveskite kodą perkant. Kaina perskaičiuojama pagal galiojančios akcijos sąlygas. Išlaidos istorijoje Kiekvienai užklausai išsaugomi modelis, žetonai ir suma. [Pasirinkti prenumeratą](https://ailoot.ai/docs/lt/billing/subscriptions/) · [Peržiūrėti modelių kainas](https://ailoot.ai/models/lt/) ## Prijunkite API prie produkto, kurį parduodate. SaaS, programos ir botai pagal Ailoot ofertą bei licencijos sutartį. Perpardavimui paprašykite perpardavėjo licencijos. Komercinė programa Teksto, vaizdų, video ir garso kūrimą integruokite į mokamas paslaugos funkcijas. Perpardavėjo licencija Atsiųskite projekto aprašymą ir prieigos schemą. Paprašykite rašytinių naudojimo ir perpardavimo sąlygų. Dokumentai svetainėje Oferta, licencijos sutartis ir duomenų tvarkymo politika prieinamos prieš prisijungiant. [Paprašyti perpardavėjo licencijos](mailto:support@ailoot.ai) · [Oferta ir licencijos sutartis](https://ailoot.ai/legal/offer?lang=lt) ## Ailoot · Įmonė ir jos projektų portfelis Ailoot remiasi sukaupta veiklos patirtimi, plačia klientų baze, stabiliomis paslaugomis ir nuolatine KPI kontrole. Įmonė ir jos projektų portfelis: milijonai klientų; mėnesio pardavimai siekia milijardus. Ailoot šią veiklos patirtį pritaiko teikdama API prieigą prie DI funkcijų klientų produktuose, agentuose, programose ir automatizavimo sprendimuose.