Source: https://ailoot.ai/models/ms/openai-whisper-large-v3/
Canonical: https://ailoot.ai/models/ms/openai-whisper-large-v3/
Language: ms

# OpenAI: Whisper Large V3

[Markdown](https://ailoot.ai/models/ms/openai-whisper-large-v3/index.md) · [JSON](https://ailoot.ai/models/ms/openai-whisper-large-v3/facts.json)

## [OpenAI: Whisper Large V3](https://ailoot.ai/models/ms/openai-whisper-large-v3/)

Whisper large-v3 ialah checkpoint pengecaman pertuturan berbilang bahasa OpenAI dengan pemberat terbuka untuk transkripsi dan terjemahan pertuturan ke bahasa Inggeris. Ia menukar rakaman pertuturan kepada teks, dengan pemilihan bahasa, cap masa dan pemprosesan panjang melebihi tetingkap akustik 30 saatnya yang didokumenkan.

- [**Ailoot Ultra · Pengecaman pertuturan** `POST /v1/audio/transcriptions` `openai/whisper-large-v3`](https://ailoot.ai/models/ms/openai-whisper-large-v3/#method-0)

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

Whisper large-v3 ialah checkpoint pengecaman pertuturan keluaran OpenAI dengan kira-kira 1.55 bilion parameter. Ia ialah model pengekod-penyahkod berbilang bahasa: audio memasuki pengekod dan penyahkod meramalkan teks serta token berkaitan tugas. Tugas utamanya ialah transkripsi pertuturan dalam bahasa sumber dan terjemahan pertuturan ke bahasa Inggeris. Ini ialah identiti model dengan pemberat terbuka, yang perlu dibezakan daripada pengecam model sesuatu perkhidmatan yang dihoskan serta peraturan muat naik dan format respons perkhidmatan itu.

Large-v3 mengekalkan seni bina checkpoint Whisper large terdahulu dengan dua perubahan yang dinyatakan: input spektrogramnya menggunakan 128 jalur frekuensi Mel dan bukannya 80, serta menambahkan token bahasa Kantonis. Kad model pengeluar menerangkan latihan menggunakan satu juta jam audio berlabel lemah dan empat juta jam audio berlabel pseudo yang disediakan dengan Whisper large-v2. Campuran ini digunakan untuk dua epok latihan. Keluaran ini ialah checkpoint large-v3 tertentu dan bukannya nama umum untuk setiap model dalam keluarga Whisper.

Aliran kerja inferens yang didokumenkan melakukan transkripsi secara lalai, mengekalkan bahasa yang dituturkan dalam rakaman. Ia boleh mengesan bahasa sumber secara automatik atau menerima pilihan bahasa yang diketahui. Untuk terjemahan, model large berbilang bahasa memberikan hasil teks bahasa Inggeris daripada pertuturan bukan bahasa Inggeris. Pilih tugas itu secara jelas: transkrip dalam bahasa yang sama dan terjemahan bahasa Inggeris ialah artifak yang berbeza. Untuk temu bual, kekalkan perkataan dalam bahasa asal; untuk dokumen rujukan bahasa Inggeris, nyatakan bahawa hasil yang dikehendaki ialah terjemahan kandungan pertuturan.

Penyediaan audio ialah sebahagian daripada laluan input. Pemuat OpenAI menyahkod rakaman kepada bentuk gelombang mono dan mensampelkannya semula kepada 16 kHz. Medan penerimaan akustik model ialah 30 saat. Itu ialah tetingkap pemprosesan, bukannya panjang maksimum untuk seluruh temu bual atau kuliah. Inferens bentuk panjang boleh bergerak secara berurutan melalui tetingkap gelongsor, atau membahagikan rakaman panjang kepada cebisan bertindih dan menyambungkan transkripnya. Kad model pengeluar menerangkan pemprosesan berurutan apabila ketepatan diutamakan dan pemprosesan bercebisan apabila masa menyiapkan satu rakaman panjang lebih penting.

Konfigurasi yang dikeluarkan menyenaraikan 448 kedudukan penyahkod bagi satu jujukan penyahkodan. Rakaman yang lebih panjang dikendalikan melalui proses bentuk panjang dan bukannya dengan menganggap nombor itu sebagai had transkrip sejagat. Aliran kerja yang didokumenkan boleh mengembalikan cap masa peringkat segmen atau perkataan bersama teks yang dikenal pasti. Output pemasaan tersebut berguna untuk menavigasi rakaman dan menyediakan kapsyen, manakala sebarang bekas sari kata akhir atau format fail transkrip ialah pilihan pemformatan output yang berasingan. Kekalkan pemasaan rakaman semasa menyediakan audio jika transkrip akan dijajarkan dengan bahan asal.

Peranan Whisper yang dimaksudkan ialah mengenal pasti dan menterjemah pertuturan. Transkrip kuliah, rekod temu bual atau koleksi bahan pertuturan yang boleh dicari ialah output praktikal; peringkasan atau tafsiran boleh menyusul sebagai langkah lain terhadap teks. Kad model tidak menetapkan pengelasan penutur atau diarisasi automatik yang teguh sebagai output standard checkpoint asas. Jika tugas memerlukan label penutur, keperluan itu mesti dikendalikan secara berasingan daripada dakwaan transkrip yang tepat. Taklimat yang berguna mengenal pasti bahasa sumber, sama ada transkripsi atau terjemahan bahasa Inggeris diperlukan, dan sama ada maklumat pemasaan diperlukan.

Batasan ketara termasuk teks rekaan yang tidak pernah dituturkan dan teks berulang, yang dikaitkan dengan latihan terselia lemah pada data berhingar serta reka bentuk jujukan ke jujukan. Kualiti pengecaman berbeza mengikut bahasa, loghat dan dialek, dengan hasil lebih lemah apabila bahan latihan lebih sedikit. Oleh itu, hingar, kosa kata khusus dan pertuturan bertindih patut diwakili dalam sampel yang digunakan untuk menilai kesesuaian. Bandingkan nama, kuantiti dan pernyataan penting dengan rakaman, serta periksa petikan tanpa pertuturan atau baris berulang dan bukannya menganggap transkrip yang lancar sebagai bukti bahawa setiap perkataan telah didengar.

Hasil lengkap mengekalkan teks yang dikenal pasti, bahasanya dan sebarang pemasaan yang diminta bersama rujukan kepada rakaman asal. Asingkan transkripsi daripada penyuntingan kemudian: transkrip penerbitan yang dibetulkan mungkin membuang kata pengisi, manakala transkrip pengecaman mengekalkan perkara yang benar-benar dikembalikan oleh model. Identiti dan keupayaan terjemahan large-v3 juga patut dibezakan daripada edisi Turbo yang lebih pantas. Kelajuan pemprosesan sebenar bergantung pada bahasa, kadar pertuturan, perkakasan dan kaedah inferens; nama checkpoint sahaja tidak membuktikan kependaman perkhidmatan yang dihoskan, saiz maksimum muat naik atau laluan aplikasi yang didayakan.

**Ailoot Ultra · Pengecaman pertuturan** `POST /v1/audio/transcriptions` `openai/whisper-large-v3`

[`openai/whisper-large-v3`](https://ailoot.ai/models/ms/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions)

OpenAI /`openai/whisper-large-v3`

### Pengenalan

Whisper large-v3 ialah checkpoint pengecaman pertuturan berbilang bahasa OpenAI dengan pemberat terbuka untuk transkripsi dan terjemahan pertuturan ke bahasa Inggeris. Ia menukar rakaman pertuturan kepada teks, dengan pemilihan bahasa, cap masa dan pemprosesan panjang melebihi tetingkap akustik 30 saatnya yang didokumenkan.

Input yang diterima

Audio

Hasil

transcription

### Tersedia di Ailoot · input & kaedah

**Ailoot Ultra · Pengecaman pertuturan** `POST /v1/audio/transcriptions`

Input

`audio`

Output

`transcription`

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had openai/whisper-large-v3 | Lalai— |
| Medan`input_audio` | Jenis`object` | KeperluanDiperlukan | Nilai & had | Lalai— |
| Medan`language` | Jenis`string` | KeperluanPilihan | Nilai & had | Lalai— |
| Medan`temperature` | Jenis`number` | KeperluanPilihan | Nilai & had Minimum: 0 Maksimum: 1 | Lalai— |
| Medan`response_format` | Jenis`string` | KeperluanPilihan | Nilai & had json, verbose\_json | Lalaijson |
| Medan`timestamp_granularities` | Jenis`array` | KeperluanPilihan | Nilai & had | Lalai— |
| Medan`provider` | Jenis`object` | KeperluanPilihan | Nilai & had | Lalai— |

Gabungan bahan input

**speech\_to\_text** · Diperlukan: actual matching-format audio file

Parameter kaedah dan kitar hayat

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_types` | Kontrakapplication/json, multipart/form-data |
| Parameter`required` | Kontrakmodel, input\_audio |
| Parameter`material_types` | Kontrakaudio |
| Parameter`JSON_audio` | Kontrakbait audio mentah sebenar dalam base64 berserta format yang sepadan |
| Parameter`multipart_required` | Kontrakmodel, file |
| Parameter`multipart_cap_bytes` | Kontrak26214400 |
| Parameter`optional_controls` | Kontraklanguage, temperature, response\_format, timestamp\_granularities, provider |
| Parameter`default_response_format` | Kontrakjson |
| Parameter`optional_features` | KontrakOutput terperinci, diarize/keyterms dan URL/audio sebaris yang lebih besar memerlukan keupayaan serta tarif model/pembekal yang tepat. |

Kitar hayat: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · task\_id sebenar yang dikembalikan atau rekod pustaka media

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

`GET /v1/media/assets`

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

Gunakan model yang tepat dan medan input yang didokumenkan.

Simpan respons lengkap, setiap output sebenar dan ID asal yang dikembalikan.

### Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas

Tidak dinyatakan Apabila mod pantas dipilih

Mod flex

Tidak dinyatakan Apabila mod flex dipilih

Usaha penaakulan maksimum

Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default

#### Kadar Ailoot

#### Harga mengikut konfigurasi

Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.

| Konfigurasi | Jadual kadar | Unit pengebilan | Caj |
| --- | --- | --- | --- |
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Unit pengebilan— | Caj Input · Token input **—** / 1K token Output · Token output **—** / 1K token Input · Bacaan cache **—** / 1K token Input · Penulisan cache **—** / 1K token Input · Penulisan cache, 1 jam **—** / 1K token |
| KonfigurasiUltra | Jadual kadar— | Unit pengebilanbagi setiap saat audio masukan | Caj Input · saat input audio **$0.000015** bagi setiap saat audio masukan |

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. [Cara rizab dan penyelesaian caj berfungsi →](https://ailoot.ai/docs/ms/billing/reserve/)

#### Butiran tarif rujukan

Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.

OpenAI: Whisper Large V3

#### Harga mengikut konfigurasi

| Konfigurasi | Syarat pengebilan | Caj |
| --- | --- | --- |
| KonfigurasiOpenAI: Whisper Large V3 · Konfigurasi lalai | Syarat pengebilanKonfigurasi lalai | Caj Input · Saat audio input **USD 0.000015** bagi setiap saat audio masukan |

### Contoh permintaan

#### Ailoot Ultra · Pengecaman pertuturan

curl · badan permintaan natif yang tepat dan hasil lengkap

```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.
```

### Terima dan simpan hasil

#### Ailoot Ultra · Pengecaman pertuturan

json

- `GET /v1/media/tasks/{task_id}`
- `GET /v1/media/assets/{asset_id}/content`
- `GET /v1/media/assets`
- `GET /v1/media/assets/{asset_id}`

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

JSON asal yang lengkap, semua teks/segmen/perkataan/penutur/cap masa yang tersedia dan penggunaan.

##### Jika respons asal perlu disemak

Simpan operation\_id/X-Client-Request-ID asal dan respons asal. Baca rekod tugas/aset sebenar milik anda tanpa menghantar semula; tiada URL semakan berkala audio khusus dibina.

Medan respons

| Medan | Jenis |
| --- | --- |
| Medan`text` | Jenisstring |
| Medan`usage` | Jenisobject |
| Medan`segments[]` | Jenisobject |
| Medan`words[]` | Jenisobject |

### Alias

#### Alias model

**Ailoot Ultra** [`openai/whisper-large-v3`](https://ailoot.ai/models/ms/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

[`openai/whisper-large-v3`](https://ailoot.ai/models/ms/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions)

FAQ · OpenAI: Whisper Large V3

Apakah input dan hasil yang tersedia?

`POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `audio` → `transcription`

Apakah medan yang digunakan oleh permintaan?

`POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider`

Apakah had yang terpakai?

`POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1`

Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda.

## Syarikat dan portfolio projeknya

Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.

## Beli token dengan diskaun.

Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token.

Langganan

Pilih pelan berdiskaun untuk permintaan berkala anda.

Kod promosi sehingga 50%

Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa.

Perbelanjaan dalam sejarah

Model, token dan jumlah disimpan bagi setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/ms/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/ms/)

## Sambungkan API kepada produk yang anda jual.

SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula.

Aplikasi komersial

Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda.

Lesen penjual semula

Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis.

Dokumen pada laman

Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan.

[Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms)

## Ailoot · Syarikat dan portfolio projeknya





Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan.





Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.





Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.