Whisper Large v3 Turbo
بواسطة OpenAI · تم الإصدار 2024
Whisper Large v3 Turbo من OpenAI — التعرّف التلقائي على الكلام بـ99 لغة. يدعم وضعي النسخ والترجمة. أفضل نسبة دقة إلى تكلفة للكلام متعدد اللغات على مستوى العالم.
Whisper Large v3 Turbo
مدعوم بواسطة OpenAI · Encoder-decoder Transformer (distilled decoder)
نافذة السياق
N/A
المعلمات
809M
الحد الأقصى للإخراج
N/A
الفئة
تحويل الكلام إلى نص
نظرة عامة
Whisper Large v3 Turbo is OpenAI's open-weight ASR model optimized for fast inference while retaining the multilingual breadth of the Large v3 family. It supports 99 languages out of the box, automatically detecting the spoken language when none is specified, and can either transcribe (output text in the source language) or translate (output English regardless of input). It is the most cost-efficient way to add global multilingual speech recognition to a product.
Deployed on the CallMissed gateway, it accepts base64-encoded audio in standard formats (MP3, WAV, FLAC) and returns structured JSON with the transcription text plus optional VTT-formatted segments for subtitle workflows. The Turbo variant uses a smaller decoder than Large v3, achieving ~8× faster inference with only minor accuracy loss on most languages.
At $0.06 per audio hour, it is roughly 9× cheaper than Sarvam Saaras for use cases that don't need Indian-language code-mixing. Pair it with one of our LLMs for end-to-end speech-to-insight workflows: meeting summarization, podcast indexing, accessibility captions, or compliance archiving.
الأسعار
| مقياس | السعر |
|---|---|
| السعر /hour | ₹6.0000 |
1 رصيد = 1 روبية هندية = 0.01 دولار أمريكي. الأسعار المعروضة من المزوّد؛ تمرّر CallMissed الأسعار مع هامش ربح يقارب 35٪.
أبرز النقاط الرئيسية
- 99 لغة مع اكتشاف تلقائي للغة
- أوضاع التفريغ الصوتي + الترجمة
- مخرجات ترجمات VTT للأدوات اللاحقة
- استدلال أسرع بمقدار 8× من Whisper Large v3
المعايير المرجعية
| المعيار المرجعي | النتيجة |
|---|---|
| Languages | 99 |
| Speed | 8× |
| Hourly cost | $0.06 |
التفاصيل التقنية
- Runs on the CallMissed gateway
- يقبل ملفات MP3/WAV/FLAC بترميز base64؛ بحد أقصى نحو 30 دقيقة لكل طلب
- يُرجع transcription_info.text + segments[].vtt
- المهمة=نسخ (افتراضي) أو المهمة=ترجمة
- اختياري: vad_filter، initial_prompt، beam_size، hallucination_silence_threshold
نقاط القوة
- أفضل تغطية متعددة اللغات (99 لغة)
- الكشف التلقائي عن اللغة — لا حاجة إلى علامات ISO
- ترجمة مضمّنة إلى الإنجليزية
- أقل تكلفة بنحو 9 مرات من Sarvam Saaras للغات غير الهندية
القيود
- أقل دقة من Saaras في اللغات الهندية والكلام المختلط بين اللغات
- المعالجة الدفعية فقط على هذه الواجهة — للبث، استخدم Nova-3 أو Flux
- هلوسات أثناء فترات الصمت الطويلة من دون vad_filter
حالات الاستخدام
مثال على API
curl https://api.callmissed.com/v1/audio/transcriptions \ -H "Authorization: Bearer cm_YOUR_KEY" \ -F file=@audio.mp3 \ -F model=whisper-large-v3-turbo \ -F language=en
نقطة النهاية: POST /v1/audio/transcriptions · معرّف النموذج: whisper-large-v3-turbo
جرّب Whisper Large v3 Turbo الآن
احصل على 1000 رصيد مجاني من API عند التسجيل. لا حاجة إلى بطاقة ائتمانية.