Source: https://ailoot.ai/models/sk/openai-whisper-large-v3/ Canonical: https://ailoot.ai/models/sk/openai-whisper-large-v3/ Language: sk # OpenAI: Whisper Large V3 [Markdown](https://ailoot.ai/models/sk/openai-whisper-large-v3/index.md) · [JSON](https://ailoot.ai/models/sk/openai-whisper-large-v3/facts.json) ## [OpenAI: Whisper Large V3](https://ailoot.ai/models/sk/openai-whisper-large-v3/) Whisper large-v3 je viacjazyčný kontrolný bod rozpoznávania reči od OpenAI s otvorenými váhami pre prepis a preklad reči do angličtiny. Nahranú reč mení na text s dokumentovaným výberom jazyka, časovými značkami a spracovaním dlhých nahrávok presahujúcich jeho 30-sekundové akustické okno. - [**Ailoot Ultra · Rozpoznávanie reči** `POST /v1/audio/transcriptions` `openai/whisper-large-v3`](https://ailoot.ai/models/sk/openai-whisper-large-v3/#method-0) O modeli Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu. Whisper large-v3 je vydaný kontrolný bod rozpoznávania reči od OpenAI s približne 1,55 miliardy parametrov. Ide o viacjazyčný model s enkóderom a dekóderom: zvuk vstupuje do enkódera a dekóder predpovedá text a tokeny súvisiace s úlohou. Hlavnými úlohami sú prepis reči v zdrojovom jazyku a preklad reči do angličtiny. Je to identita modelu s otvorenými váhami, odlišná od identifikátora modelu hostovanej služby alebo pravidiel tejto služby pre nahrávanie a formát odpovede. Large-v3 zachováva architektúru skorších veľkých kontrolných bodov Whisper s dvoma uvedenými zmenami: jeho spektrogramový vstup používa 128 melových frekvenčných pásiem namiesto 80 a pridáva jazykový token kantončiny. Modelová karta výrobcu opisuje tréning na jednom milióne hodín slabo označeného zvuku a štyroch miliónoch hodín zvuku s pseudooznačeniami pripravenými pomocou Whisper large-v2. Táto zmes bola použitá počas dvoch tréningových epoch. Vydanie je konkrétnym kontrolným bodom large-v3, nie všeobecným názvom každého modelu v rodine Whisper. Dokumentovaný inferenčný postup predvolene vykonáva prepis a zachováva jazyk hovorený v nahrávke. Zdrojový jazyk môže rozpoznať automaticky alebo prijať voľbu známeho jazyka. Pri preklade viacjazyčný veľký model poskytuje anglický textový výsledok z neanglickej reči. Túto úlohu zvoľte výslovne: prepis v rovnakom jazyku a anglický preklad sú odlišné výstupy. Pri rozhovore zachovajte znenie v pôvodnom jazyku; pri anglickom referenčnom dokumente určite, že požadovaným výsledkom je preklad hovoreného obsahu. Príprava zvuku je súčasťou vstupnej cesty. Načítavač OpenAI dekóduje nahrávku na mono priebeh a prevzorkuje ho na 16 kHz. Akustické receptívne pole modelu má 30 sekúnd. Je to spracovateľské okno, nie maximálna dĺžka celého rozhovoru alebo prednášky. Inferencia dlhých nahrávok môže postupovať sekvenčne posuvnými oknami alebo rozdeliť dlhú nahrávku na prekrývajúce sa časti a spojiť ich prepisy. Modelová karta výrobcu opisuje sekvenčné spracovanie, keď je prioritou presnosť, a spracovanie po častiach, keď viac záleží na čase dokončenia jednej dlhej nahrávky. Vydaná konfigurácia uvádza 448 pozícií dekódera pre jednu dekódovaciu sekvenciu. Dlhšie nahrávky sa spracúvajú postupom pre dlhé nahrávky, nie považovaním tohto čísla za univerzálny limit prepisu. Dokumentovaný postup môže spolu s rozpoznaným textom vracať časové značky segmentov alebo slov. Tieto časové výstupy sú užitočné pri navigácii v nahrávkach a príprave titulkov, zatiaľ čo konečný titulkový kontajner alebo formát súboru prepisu je samostatnou voľbou výstupného formátovania. Pri príprave zvuku zachovajte časovanie nahrávky, ak sa má prepis zosúladiť s pôvodným materiálom. Zamýšľanou úlohou Whisper je rozpoznávanie a preklad reči. Prepis prednášky, záznam rozhovoru alebo prehľadávateľná zbierka hovoreného materiálu sú praktickými výstupmi; zhrnutie alebo interpretácia môžu nasledovať ako ďalší krok nad textom. Modelová karta nestanovuje robustnú automatickú klasifikáciu hovoriacich ani diarizáciu ako štandardný výstup základného kontrolného bodu. Ak úloha potrebuje označenia hovoriacich, treba túto požiadavku riešiť oddelene od tvrdenia o presnom prepise. Užitočné zadanie určuje zdrojový jazyk, potrebu prepisu alebo anglického prekladu a požadované časové informácie. Medzi podstatné obmedzenia patrí vymyslený text, ktorý nikdy nezaznel, a opakujúci sa text, spojené so tréningom so slabým dohľadom na zašumených dátach a architektúrou typu sekvencia na sekvenciu. Kvalita rozpoznávania sa líši medzi jazykmi, prízvukmi a dialektmi, pričom slabšie výsledky vznikajú tam, kde existuje menej tréningového materiálu. Šum, odborná slovná zásoba a prekrývajúca sa reč preto majú byť zastúpené vo vzorke na posúdenie vhodnosti. Mená, množstvá a dôležité výroky porovnajte s nahrávkou a skontrolujte nehovorené pasáže alebo opakované riadky namiesto toho, aby ste plynulý prepis považovali za dôkaz, že bolo zachytené každé slovo. Úplný výsledok uchováva rozpoznaný text, jeho jazyk a požadované časovanie s odkazom na pôvodnú nahrávku. Prepis držte oddelene od neskoršej úpravy: opravený prepis na publikovanie môže odstrániť výplnkové výrazy, kým rozpoznaný prepis zachováva to, čo model skutočne vrátil. Identita large-v3 a jeho prekladová schopnosť majú tiež zostať oddelené od rýchlejšej verzie Turbo. Skutočná rýchlosť spracovania závisí od jazyka, rýchlosti reči, hardvéru a inferenčnej metódy; samotný názov kontrolného bodu neurčuje konkrétnu hostovanú latenciu, maximálnu veľkosť nahrávania ani zapnutú trasu aplikácie. **Ailoot Ultra · Rozpoznávanie reči** `POST /v1/audio/transcriptions` `openai/whisper-large-v3` [`openai/whisper-large-v3`](https://ailoot.ai/models/sk/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) OpenAI /`openai/whisper-large-v3` ### Úvod Whisper large-v3 je viacjazyčný kontrolný bod rozpoznávania reči od OpenAI s otvorenými váhami pre prepis a preklad reči do angličtiny. Nahranú reč mení na text s dokumentovaným výberom jazyka, časovými značkami a spracovaním dlhých nahrávok presahujúcich jeho 30-sekundové akustické okno. Povolené vstupy Audio Výsledky transcription ### Dostupné v Ailoot · vstupy a metódy **Ailoot Ultra · Rozpoznávanie reči** `POST /v1/audio/transcriptions` Vstup `audio` Výstup `transcription` Výstupný formát json | Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | PožiadavkaPovinné | Hodnoty a limity openai/whisper-large-v3 | Predvolené— | | Pole`input_audio` | Typ`object` | PožiadavkaPovinné | Hodnoty a limity | Predvolené— | | Pole`language` | Typ`string` | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— | | Pole`temperature` | Typ`number` | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 0 Maximum: 1 | Predvolené— | | Pole`response_format` | Typ`string` | PožiadavkaVoliteľné | Hodnoty a limity json, verbose\_json | Predvolenéjson | | Pole`timestamp_granularities` | Typ`array` | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— | | Pole`provider` | Typ`object` | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— | Kombinácie vstupných podkladov **speech\_to\_text** · Povinné: actual matching-format audio file Parametre a životný cyklus metódy | Parameter | Špecifikácia | | --- | --- | | Parameter`content_types` | Špecifikáciaapplication/json, multipart/form-data | | Parameter`required` | Špecifikáciamodel, input\_audio | | Parameter`material_types` | Špecifikáciaaudio | | Parameter`JSON_audio` | Špecifikáciaskutočné nespracované bajty zvuku v base64 so zodpovedajúcim formátom | | Parameter`multipart_required` | Špecifikáciamodel, file | | Parameter`multipart_cap_bytes` | Špecifikácia26214400 | | Parameter`optional_controls` | Špecifikácialanguage, temperature, response\_format, timestamp\_granularities, provider | | Parameter`default_response_format` | Špecifikáciajson | | Parameter`optional_features` | ŠpecifikáciaPodrobný výstup, diarize/keyterms a URL alebo väčší zvuk vložený priamo do požiadavky vyžadujú konkrétnu podporu modelu a poskytovateľa aj zodpovedajúcu tarifu. | Životný cyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · skutočne vrátené task\_id alebo záznam v knižnici médií `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Použite presný model a zdokumentované vstupné polia. Zachovajte celú odpoveď, každý skutočný výstup a pôvodné vrátené ID. ### Cenník Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde. Rýchly režim Neuvedené Keď je zvolený rýchly režim Režim Flex Neuvedené Keď je zvolený režim flex Maximálna úroveň uvažovania Neuvedené Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default) #### Sadzby Ailoot #### Ceny podľa konfigurácie Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu. | Konfigurácia | Sadzobník | Účtovacia jednotka | Poplatok | | --- | --- | --- | --- | | KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Účtovacia jednotka— | Poplatok Vstup · Vstupné tokeny **—** / 1K tokenov Výstup · Výstupné tokeny **—** / 1K tokenov Vstup · Čítanie cache **—** / 1K tokenov Vstup · Zápis do cache **—** / 1K tokenov Vstup · Zápis do cache, 1 hod **—** / 1K tokenov | | KonfiguráciaUltra | Sadzobník— | Účtovacia jednotkaza sekundu vstupného audia | Poplatok Vstup · sekunda vstupného zvuku **$0.000015** za sekundu vstupného audia | Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. [Ako funguje rezervácia a vyúčtovanie →](https://ailoot.ai/docs/sk/billing/reserve/) #### Podrobnosti referenčnej tarify Referenčné sadzobníky modelu nemenia výber metódy, cenové odhady ani poplatky. Aktívne poplatky používajú sadzby vybranej metódy Ailoot. OpenAI: Whisper Large V3 #### Ceny podľa konfigurácie | Konfigurácia | Podmienky účtovania | Poplatok | | --- | --- | --- | | KonfiguráciaOpenAI: Whisper Large V3 · Predvolená konfigurácia | Podmienky účtovaniaPredvolená konfigurácia | Poplatok Vstup · Sekundy vstupného zvuku **0,000015 USD** za sekundu vstupného audia | ### Príklady požiadaviek #### Ailoot Ultra · Rozpoznávanie reči curl · presné telo požiadavky v natívnom formáte a úplný výsledok ```bash set -eu : "${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. ``` ### Prijať a uložiť výsledky #### Ailoot Ultra · Rozpoznávanie reči json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Uchovať všetky dokončené výsledky Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu. Celý pôvodný JSON, všetok dostupný text, segmenty, slová, hovoriaci, časové značky a spotreba. ##### Ak treba overiť pôvodnú odpoveď Zachovajte pôvodné operation\_id/X-Client-Request-ID a pôvodnú odpoveď. Načítajte skutočné záznamy úloh a súborov vo vašom vlastníctve bez opätovného odoslania; nevytvára sa žiadna osobitná URL na zisťovanie stavu zvuku. Polia odpovede | Pole | Typ | | --- | --- | | Pole`text` | Typstring | | Pole`usage` | Typobject | | Pole`segments[]` | Typobject | | Pole`words[]` | Typobject | ### Aliasy #### Aliasy modelov **Ailoot Ultra** [`openai/whisper-large-v3`](https://ailoot.ai/models/sk/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) #### Aliasy ciest metód Použite cesty metód uvedené vyššie. #### Súvisiace ID na volanie [`openai/whisper-large-v3`](https://ailoot.ai/models/sk/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) FAQ · OpenAI: Whisper Large V3 Aké vstupy a výsledky sú dostupné? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `audio` → `transcription` Aké polia používa požiadavka? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Aké limity platia? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Pripojte Ailoot k Claude Code, OpenCode, Hermes alebo vlastnej aplikácii. ## Spoločnosť a jej portfólio projektov Spoločnosť a jej portfólio projektov: milióny zákazníkov; mesačné tržby v miliardách. ## Nakupujte tokeny so zľavou. Zľava predplatného na pravidelnú prácu. Promo kódy až 50% na nákup tokenov. Predplatné Na pravidelné požiadavky vyberte tarifu so zľavou. Promo kód až 50% Pri nákupe zadajte kód. Cena sa prepočíta podľa prebiehajúcej akcie. Výdavky v histórii Pri každej požiadavke sa uloží model, tokeny a suma. [Vybrať predplatné](https://ailoot.ai/docs/sk/billing/subscriptions/) · [Zobraziť ceny modelov](https://ailoot.ai/models/sk/) ## Pripojte API k produktu, ktorý predávate. SaaS, aplikácie a boti podľa ponuky a licenčnej zmluvy Ailoot. Na ďalší predaj požiadajte o licenciu predajcu. Komerčná aplikácia Začleňte generovanie textu, obrázkov, videa a zvuku do platených funkcií svojej služby. Licencia pre predajcu Pošlite popis projektu a spôsob poskytovania prístupu. Vyžiadajte písomné podmienky použitia a ďalšieho predaja. Dokumenty na webe Ponuka, licenčná zmluva a zásady spracovania dát sú dostupné pred pripojením. [Požiadať o licenciu predajcu](mailto:support@ailoot.ai) · [Ponuka a licenčná zmluva](https://ailoot.ai/legal/offer?lang=sk) ## Ailoot · Spoločnosť a jej portfólio projektov Ailoot stavia na dlhodobých prevádzkových skúsenostiach, širokej klientskej základni, stabilných službách a priebežnom sledovaní KPI. Spoločnosť a jej portfólio projektov: milióny zákazníkov; mesačné tržby v miliardách. Ailoot využíva tieto prevádzkové skúsenosti na poskytovanie prístupu cez API k funkciám AI v produktoch zákazníkov, agentoch, aplikáciách a automatizáciách.