Source: https://ailoot.ai/models/vi/openai-whisper-large-v3/ Canonical: https://ailoot.ai/models/vi/openai-whisper-large-v3/ Language: vi # OpenAI: Whisper Large V3 [Markdown](https://ailoot.ai/models/vi/openai-whisper-large-v3/index.md) · [JSON](https://ailoot.ai/models/vi/openai-whisper-large-v3/facts.json) ## [OpenAI: Whisper Large V3](https://ailoot.ai/models/vi/openai-whisper-large-v3/) Whisper large-v3 là checkpoint nhận dạng giọng nói đa ngôn ngữ có trọng số mở của OpenAI để chép lời và dịch giọng nói sang tiếng Anh. Mô hình chuyển lời nói đã ghi thành văn bản, với lựa chọn ngôn ngữ, mốc thời gian và xử lý nội dung dài vượt ngoài cửa sổ âm học 30 giây được công bố. - [**Ailoot Ultra · Nhận dạng giọng nói** `POST /v1/audio/transcriptions` `openai/whisper-large-v3`](https://ailoot.ai/models/vi/openai-whisper-large-v3/#method-0) Về mô hình Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn. Whisper large-v3 là checkpoint nhận dạng giọng nói do OpenAI phát hành, có khoảng 1,55 tỷ tham số. Đây là mô hình mã hóa–giải mã đa ngôn ngữ: âm thanh đi vào bộ mã hóa và bộ giải mã dự đoán văn bản cùng token liên quan đến nhiệm vụ. Các nhiệm vụ chính là chép lời bằng ngôn ngữ nguồn và dịch giọng nói sang tiếng Anh. Đây là định danh mô hình có trọng số mở, tách biệt với mã định danh mô hình của dịch vụ do nhà cung cấp vận hành hoặc quy tắc tải lên, định dạng phản hồi của dịch vụ đó. Large-v3 giữ kiến trúc của các checkpoint Whisper large trước đó với hai thay đổi được nêu: đầu vào phổ âm dùng 128 dải tần Mel thay vì 80 và bổ sung token ngôn ngữ Quảng Đông. Thẻ mô hình của nhà sản xuất mô tả quá trình huấn luyện trên một triệu giờ âm thanh gán nhãn yếu và bốn triệu giờ âm thanh gán nhãn giả được chuẩn bị bằng Whisper large-v2. Hỗn hợp này được dùng trong hai vòng huấn luyện. Bản phát hành là checkpoint large-v3 cụ thể, không phải tên chung cho mọi mô hình thuộc họ Whisper. Quy trình suy luận được công bố mặc định thực hiện chép lời, giữ ngôn ngữ được nói trong bản ghi. Quy trình có thể tự phát hiện ngôn ngữ nguồn hoặc nhận lựa chọn ngôn ngữ đã biết. Để dịch, mô hình large đa ngôn ngữ cung cấp kết quả văn bản tiếng Anh từ lời nói không phải tiếng Anh. Chọn rõ nhiệm vụ đó: bản chép lời cùng ngôn ngữ và bản dịch tiếng Anh là các sản phẩm khác nhau. Với phỏng vấn, giữ câu chữ ngôn ngữ gốc; với tài liệu tham khảo tiếng Anh, chỉ rõ kết quả mong muốn là bản dịch nội dung được nói. Chuẩn bị âm thanh là một phần của đường đầu vào. Bộ tải của OpenAI giải mã bản ghi thành dạng sóng mono và lấy mẫu lại ở 16 kHz. Trường tiếp nhận âm học của mô hình là 30 giây. Đây là cửa sổ xử lý, không phải độ dài tối đa của cả cuộc phỏng vấn hoặc bài giảng. Suy luận nội dung dài có thể tiến tuần tự qua cửa sổ trượt, hoặc chia bản ghi dài thành các đoạn chồng lấn rồi nối bản chép lời. Thẻ mô hình của nhà sản xuất mô tả xử lý tuần tự khi ưu tiên độ chính xác và xử lý theo đoạn khi thời gian hoàn thành một bản ghi dài quan trọng hơn. Cấu hình được phát hành liệt kê 448 vị trí bộ giải mã cho một chuỗi giải mã riêng lẻ. Bản ghi dài hơn được xử lý bằng quy trình nội dung dài thay vì coi con số đó là giới hạn chung cho bản chép lời. Quy trình được công bố có thể trả về mốc thời gian cấp đoạn hoặc cấp từ cùng văn bản nhận dạng. Các đầu ra thời gian đó hữu ích cho việc tìm vị trí trong bản ghi và chuẩn bị phụ đề, còn bộ chứa phụ đề cuối cùng hoặc định dạng tệp chép lời là lựa chọn định dạng đầu ra riêng. Giữ thời gian của bản ghi khi chuẩn bị âm thanh nếu bản chép lời sẽ được căn chỉnh với tài liệu gốc. Vai trò dự kiến của Whisper là nhận dạng và dịch giọng nói. Bản chép bài giảng, biên bản phỏng vấn hoặc bộ sưu tập nội dung lời nói có thể tìm kiếm là đầu ra thực tế; tóm tắt hoặc diễn giải có thể tiếp nối bằng bước khác trên văn bản. Thẻ mô hình không xác lập phân loại người nói hay phân đoạn theo người nói tự động có độ tin cậy cao là đầu ra tiêu chuẩn của checkpoint cơ sở. Nếu nhiệm vụ cần nhãn người nói, yêu cầu đó phải được xử lý riêng với việc khẳng định bản chép lời chính xác. Yêu cầu hữu ích nêu ngôn ngữ nguồn, cần chép lời hay dịch sang tiếng Anh, và có cần thông tin thời gian hay không. Các hạn chế đáng kể gồm văn bản bịa ra chưa từng được nói và văn bản lặp lại, liên quan đến huấn luyện giám sát yếu trên dữ liệu nhiễu và thiết kế chuỗi sang chuỗi. Chất lượng nhận dạng thay đổi giữa các ngôn ngữ, chất giọng vùng miền và phương ngữ, với kết quả kém hơn nơi có ít tài liệu huấn luyện hơn. Vì vậy, mẫu dùng để đánh giá mức phù hợp nên có tiếng ồn, từ vựng chuyên môn và lời nói chồng lấn. Đối chiếu tên riêng, số lượng và phát biểu quan trọng với bản ghi, đồng thời kiểm tra đoạn không có lời nói hoặc câu lặp lại thay vì coi bản chép lời trôi chảy là bằng chứng mọi từ đều đã được nghe. Kết quả hoàn chỉnh giữ văn bản nhận dạng, ngôn ngữ và mọi thông tin thời gian được yêu cầu, cùng tham chiếu đến bản ghi gốc. Tách chép lời khỏi chỉnh sửa sau đó: bản chép để xuất bản đã sửa có thể bỏ từ đệm, còn bản chép nhận dạng giữ những gì mô hình thực sự trả về. Định danh và khả năng dịch của large-v3 cũng cần tách biệt với phiên bản Turbo nhanh hơn. Tốc độ xử lý thực tế phụ thuộc vào ngôn ngữ, tốc độ nói, phần cứng và phương pháp suy luận; chỉ từ tên checkpoint không thể suy ra độ trễ dịch vụ, kích thước tải lên tối đa hoặc tuyến ứng dụng đã bật cụ thể nào. **Ailoot Ultra · Nhận dạng giọng nói** `POST /v1/audio/transcriptions` `openai/whisper-large-v3` [`openai/whisper-large-v3`](https://ailoot.ai/models/vi/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) OpenAI /`openai/whisper-large-v3` ### Bắt đầu Whisper large-v3 là checkpoint nhận dạng giọng nói đa ngôn ngữ có trọng số mở của OpenAI để chép lời và dịch giọng nói sang tiếng Anh. Mô hình chuyển lời nói đã ghi thành văn bản, với lựa chọn ngôn ngữ, mốc thời gian và xử lý nội dung dài vượt ngoài cửa sổ âm học 30 giây được công bố. Đầu vào được chấp nhận Âm thanh Kết quả transcription ### Có trên Ailoot · đầu vào & phương thức **Ailoot Ultra · Nhận dạng giọng nói** `POST /v1/audio/transcriptions` Đầu vào `audio` Đầu ra `transcription` Định dạng đầu ra json | Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định | | --- | --- | --- | --- | --- | | Trường`model` | Loại`string` | Yêu cầuBắt buộc | Giá trị & giới hạn openai/whisper-large-v3 | Mặc định— | | Trường`input_audio` | Loại`object` | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— | | Trường`language` | Loại`string` | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— | | Trường`temperature` | Loại`number` | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 0 Tối đa: 1 | Mặc định— | | Trường`response_format` | Loại`string` | Yêu cầuKhông bắt buộc | Giá trị & giới hạn json, verbose\_json | Mặc địnhjson | | Trường`timestamp_granularities` | Loại`array` | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— | | Trường`provider` | Loại`object` | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— | Tổ hợp tư liệu đầu vào **speech\_to\_text** · Bắt buộc: actual matching-format audio file Tham số phương thức và vòng đời | Tham số | Hợp đồng | | --- | --- | | Tham số`content_types` | Hợp đồngapplication/json, multipart/form-data | | Tham số`required` | Hợp đồngmodel, input\_audio | | Tham số`material_types` | Hợp đồngaudio | | Tham số`JSON_audio` | Hợp đồngbyte âm thanh thô thực tế ở dạng base64 cùng định dạng phù hợp | | Tham số`multipart_required` | Hợp đồngmodel, file | | Tham số`multipart_cap_bytes` | Hợp đồng26214400 | | Tham số`optional_controls` | Hợp đồnglanguage, temperature, response\_format, timestamp\_granularities, provider | | Tham số`default_response_format` | Hợp đồngjson | | Tham số`optional_features` | Hợp đồngĐầu ra chi tiết, diarize/keyterms và âm thanh qua URL hoặc âm thanh nội tuyến dung lượng lớn hơn yêu cầu đúng khả năng và biểu giá của mô hình/nhà cung cấp. | Vòng đời: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Giá trị task\_id thực tế đã trả về hoặc bản ghi trong thư viện nội dung đa phương tiện `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Dùng mô hình chính xác và các trường đầu vào theo tài liệu. Giữ lại toàn bộ phản hồi, mọi đầu ra thực tế và các ID gốc được trả về. ### Bảng giá Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn. Chế độ nhanh Chưa chỉ định Khi chọn chế độ nhanh Chế độ Flex Chưa chỉ định Khi chọn chế độ flex Mức độ suy luận tối đa Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa #### Mức phí Ailoot #### Giá theo cấu hình Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế. | Cấu hình | Biểu mức phí | Đơn vị tính phí | Phí | | --- | --- | --- | --- | | Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Đơn vị tính phí— | Phí Đầu vào · Token đầu vào **—** / 1K token Đầu ra · Token đầu ra **—** / 1K token Đầu vào · Đọc bộ nhớ đệm **—** / 1K token Đầu vào · Ghi bộ nhớ đệm **—** / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ **—** / 1K token | | Cấu hìnhUltra | Biểu mức phí— | Đơn vị tính phímỗi giây âm thanh đầu vào | Phí Đầu vào · Giây âm thanh đầu vào **$0.000015** mỗi giây âm thanh đầu vào | Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. [Cách hoạt động của cơ chế tạm giữ và quyết toán →](https://ailoot.ai/docs/vi/billing/reserve/) #### Chi tiết giá cước tham chiếu Biểu tham chiếu cấp mô hình không thay đổi việc chọn phương thức, báo giá hoặc khoản phí. Khoản phí đang áp dụng dùng mức phí phương thức Ailoot đã chọn. OpenAI: Whisper Large V3 #### Giá theo cấu hình | Cấu hình | Điều kiện tính phí | Phí | | --- | --- | --- | | Cấu hìnhOpenAI: Whisper Large V3 · Cấu hình mặc định | Điều kiện tính phíCấu hình mặc định | Phí Đầu vào · Giây âm thanh đầu vào **0,000015 US$** mỗi giây âm thanh đầu vào | ### Ví dụ yêu cầu #### Ailoot Ultra · Nhận dạng giọng nói curl · nội dung yêu cầu nguyên bản chính xác và kết quả đầy đủ ```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. ``` ### Nhận và lưu kết quả #### Ailoot Ultra · Nhận dạng giọng nói json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Lưu tất cả kết quả đã hoàn tất Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về. Toàn bộ JSON gốc, mọi văn bản/đoạn/từ/người nói/dấu thời gian và mức sử dụng hiện có. ##### Nếu cần kiểm tra phản hồi gốc Giữ nguyên operation\_id/X-Client-Request-ID và phản hồi ban đầu. Đọc các bản ghi tác vụ/tài sản thực tế thuộc quyền sở hữu mà không gửi lại; không dựng URL thăm dò âm thanh riêng. Trường phản hồi | Trường | Loại | | --- | --- | | Trường`text` | Loạistring | | Trường`usage` | Loạiobject | | Trường`segments[]` | Loạiobject | | Trường`words[]` | Loạiobject | ### Bí danh #### Bí danh mô hình **Ailoot Ultra** [`openai/whisper-large-v3`](https://ailoot.ai/models/vi/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) #### Bí danh đường dẫn phương thức Dùng các đường dẫn phương thức hiển thị ở trên. #### ID gọi liên quan [`openai/whisper-large-v3`](https://ailoot.ai/models/vi/#m=openai%2Fwhisper-large-v3&route=Ultra&caller=openai%2Fwhisper-large-v3&fmt=transcriptions) FAQ · OpenAI: Whisper Large V3 Có những đầu vào và kết quả nào? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `audio` → `transcription` Yêu cầu sử dụng những trường nào? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Áp dụng những giới hạn nào? `POST /v1/audio/transcriptions` · `openai/whisper-large-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Kết nối Ailoot với Claude Code, OpenCode, Hermes hoặc ứng dụng của bạn. ## Công ty và danh mục dự án của công ty Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng. ## Mua token với giá ưu đãi. Ưu đãi thuê bao cho nhu cầu thường xuyên. Mã khuyến mãi giảm đến 50% khi mua token. Thuê bao Chọn gói ưu đãi cho các yêu cầu thường xuyên của bạn. Mã giảm đến 50% Nhập mã khi mua. Giá được tính lại theo chương trình đang áp dụng. Chi phí trong lịch sử Mô hình, token và số tiền được lưu cho mỗi yêu cầu. [Chọn gói thuê bao](https://ailoot.ai/docs/vi/billing/subscriptions/) · [Xem giá mô hình](https://ailoot.ai/models/vi/) ## Kết nối API vào sản phẩm bạn đang bán. SaaS, ứng dụng và bot — theo đề nghị giao kết chính thức và thỏa thuận cấp phép Ailoot. Muốn bán lại, hãy yêu cầu giấy phép bán lại. Ứng dụng thương mại Tích hợp tạo văn bản, ảnh, video và âm thanh vào các tính năng trả phí của dịch vụ. Giấy phép bán lại Gửi mô tả dự án và cách cung cấp quyền truy cập. Yêu cầu điều khoản sử dụng và bán lại bằng văn bản. Tài liệu trên website Đề nghị giao kết, thỏa thuận cấp phép và chính sách xử lý dữ liệu có sẵn trước khi kết nối. [Yêu cầu giấy phép bán lại](mailto:support@ailoot.ai) · [Đề nghị giao kết và thỏa thuận cấp phép](https://ailoot.ai/legal/offer?lang=vi) ## Ailoot · Công ty và danh mục dự án của công ty Ailoot dựa trên kinh nghiệm vận hành tích lũy, cơ sở khách hàng lớn, dịch vụ ổn định và việc kiểm soát KPI liên tục. Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng. Ailoot áp dụng kinh nghiệm vận hành này để cung cấp quyền truy cập API vào các tính năng AI trong sản phẩm của khách hàng, tác tử, ứng dụng và quy trình tự động hóa.