OpenAI: Whisper Large V3 Turbo
Whisper large-v3-turbo 是 OpenAI 從 large-v3 衍生、速度較快的開放權重轉錄版本，具有四個解碼器層與 8.09 億參數。它針對多語言語音轉文字；製造商官方文件將語音翻譯成英文排除在 Turbo 的訓練任務之外。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Whisper large-v3-turbo 也稱 Turbo，是 OpenAI 從 Whisper large-v3 衍生的最佳化轉錄模型。解碼器由 32 層減至四層，編碼器維持 32 層。發布模型約有 8.09 億參數。製造商目的是以小幅準確率取捨換取較快語音辨識，不是另一種音訊生成模式。輸入是錄製語音，結果是辨識文字。
發布公告將 Turbo 的準備方式與另外蒸餾的 Whisper 模型區分：Turbo 以多語言轉錄資料額外微調兩個訓練週期，不包含翻譯資料。這項差異對操作很重要。OpenAI 儲存庫指出，Turbo 未受訓將非英文語音翻成英文，即使要求翻譯任務，也可能回傳原始語言。請用此版本產生同語言逐字稿；翻譯需求屬於另一個合適模型，或轉錄後的獨立步驟。
來源語言偵測與明確語言選擇，仍是實用轉錄選項。若已知錄音語言，請在簡報中指出；否則文件記載的流程可偵測。要求任何編輯整理前，先保留姓名、數量與實際說出的字詞。會議紀錄、訪談逐字稿或課程文字，之後可透過另一項操作搜尋、註解或摘要。Turbo 辨識任務不應與聲音合成、模仿說話者，或對錄音人物作語意判斷混淆。
OpenAI 音訊載入器將輸入檔案解碼成 16 kHz 單聲道樣本，模型使用 30 秒聲學視窗及 128 個梅爾頻率頻帶。較長錄音需要長篇推論。依序處理會按順序移動視窗；分塊方法則轉錄重疊片段並銜接邊界。模型卡片將後者描述為處理單一長檔案、以周轉時間為主要優先時的實用方式，依序處理則是偏重準確率的選項。視窗與模型名稱都不能確立託管上傳的固定最大檔案大小。
確切 Turbo 設定列出單次解碼序列的 448 個解碼器位置。文件記載的推論流程可在逐字稿之外加入片段或逐詞時間；時間資訊支持導覽與後續字幕格式整理，不會自動新增字幕檔案格式或可靠說話者標籤。請說明需要純逐字稿還是附時間片段，並保留原始錄音檢查有爭議段落。長篇處理與任何最終格式整理，和檢查點身分分開。
Turbo 減少解碼工作，但實際所需時間取決於硬體、錄音長度、語言、說話速度與推論選擇。開發者指出，某些語言的品質下降較大，包括泰文與粵語，並非所有語言表現一致。將速度取向的取捨視為適用於全部資料前，請先比較目標語言的代表性摘錄。檔案庫處理任務應在審查樣本中納入困難詞彙、停頓、吵雜或重疊段落，不要只用清楚的開場句。
公開卡片保留 Whisper 的重要辨識限制：預測文字可能包含未說出的字詞，也可能重複。結果隨語言、口音與方言不同，訓練覆蓋有限處尤其如此。卡片未確立基礎模型的說話者分離或分類是穩健的標準能力。實用審查聚焦來源忠實度：重要姓名與數字、漏掉的語音、靜音時意外文字及重複。可讀逐字稿仍是需要與錄音比較的結果，不保證精確辨識。
實用完成成品是來源語言逐字稿，附所需時間資訊及清楚錄音連結。請將辨識版本與編輯後出版版本分開，讓修改可追溯。比較版本時保留 large-v3-turbo 名稱：它不是完整 large-v3 模型，不應默默繼承 large-v3 的英文翻譯任務。這個開放權重身分也不包含託管 whisper-1 服務的上傳限制、回應封裝格式或即時串流承諾。當文件記載的轉錄取捨符合實際資料與所需周轉時間時，選擇 Turbo。
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions openai/whisper-large-v3-turbo
openai/whisper-large-v3-turbo入門
Whisper large-v3-turbo 是 OpenAI 從 large-v3 衍生、速度較快的開放權重轉錄版本，具有四個解碼器層與 8.09 億參數。它針對多語言語音轉文字；製造商官方文件將語音翻譯成英文排除在 Turbo 的訓練任務之外。
- 接受的輸入
- 音訊
- 結果
- 文字
Ailoot 可用 · 輸入與方法
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions
- 輸入
audio- 輸出
text
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 openai/whisper-large-v3-turbo | 預設值— |
欄位input_audio | 類型object | 要求必填 | 值與限制 | 預設值— |
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, input_audio |
參數material_types | 規格audio |
參數material_conditions | 規格此範例會讀取您實際使用且非空的 PCM WAV 檔案，將完整檔案位元組編碼為 base64，並將 input_audio.format 設為 wav 傳送。 |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 現有自有媒體紀錄中完全相符的 task_id
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
方案
費率資訊不會增加請求選項。支援的參數列於所選方法中。
- 快速模式
- 未指定 選取快速模式時
- flex 模式
- 未指定 選取 flex 模式時
- 最高推理強度
- 未指定 最高推理強度採用 default 調整值時
Ailoot 費率
各設定的價格
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 計費單位 | 費用 |
|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 計費單位— | 費用 輸入 · 輸入 Token — / 1K Token 輸出 · 輸出 Token — / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定輸入音訊秒數 | 費率表— | 計費單位每秒輸入音訊 | 費用 輸入 · 輸入音訊秒數 $0.00000666 每秒輸入音訊 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音轉文字
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'openai/whisper-large-v3-turbo', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
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
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.
接收並儲存結果
Ailoot Ultra · 語音轉文字
完整的原始回應本文、狀態與轉送標頭。此處理常式不會加入通用的 JSON 結構、文字欄位或工作封裝。
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留完整回應與標頭、所有實際輸出、原始回傳的識別碼，以及所有用量欄位。恢復原始作業時，請勿再次提交建立請求。
需要檢查原始回應時
請保留實際的 X-Client-Request-ID 與完整回應。請讀取原始自有資產及其完全相符的簽署內容 URL；切勿重新提交結果不明的建立請求。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位text (when present) | 類型 |
欄位usage (when present) | 類型 |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件JSON 本文或明確的標準模型 ID 無效。 | 下一步請保留回應，並修正指出的請求欄位。 |
回應401 · authentication_error | 條件Ailoot API 金鑰無效。 | 下一步請使用您已獲授權的 Ailoot API 金鑰。 |
回應403 · permission_error | 條件此金鑰群組未獲准使用該方法。 | 下一步請保留回傳的錯誤詳細資訊。 |
回應404 · not_found_error | 條件所選方法沒有獲准使用的路由。 | 下一步請保留回傳的錯誤詳細資訊。 |
回應422 · price_unavailable | 條件已接受的費率無法取得其所需的輸入數量或界限。 | 下一步請保留回應，並使用已接受費率所要求的輸入表示方式。 |
回應503 · | 條件所需的儲存系統、路由、方法價格或預留額度無法使用。 | 下一步請保留完整的原始回應。預留額度狀態不明並不代表可以重新提交。 |
回應502 · server_error | 條件原始結果、用量或結算需要查核。 | 下一步請保留實際的請求 ID 與原始回應。請讀取現有的自有紀錄，切勿重新提交建立請求。 |
別名
模型別名
Ailoot Ultra openai/whisper-large-v3-turbo
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · OpenAI: Whisper Large V3 Turbo
- 可以使用哪些輸入與結果？
POST /v1/audio/transcriptions·openai/whisper-large-v3-turbo:audio→text- 請求使用哪些欄位？
POST /v1/audio/transcriptions·openai/whisper-large-v3-turbo:model,input_audio