OpenAI: Whisper Large V3

OpenAI: Whisper Large V3 هو نموذج التعرف التلقائي على الكلام من OpenAI، ويُوزَّع كمصدر مفتوح. يقع في فئة النسخ النصي وهو النسخة الكبيرة من عائلة Whisper، ما يعني أنه المتغير الذي تضعه OpenAI لتغطية أوسع نطاق لغوي وأكثر الملفات الصوتية تطلبًا. إذا كنت توجّه نماذج OpenAI أخرى عبر api14، فهذا النموذج يأتي من المزود نفسه ويتبع الاصطلاحات نفسها.

يأخذ النموذج الصوت كمدخل وحيد له ويعيد نصًا منسوخًا كمخرج. وفقًا لـ OpenAI، يتعامل مع النسخ النصي والترجمة معًا، لذا يمكنك إما كتابة الكلام بلغته الأصلية أو تحويله إلى لغة أخرى. يغطي أكثر من 99 لغة ويقبل صيغ الصوت الشائعة، بما في ذلك mp3 وmp4 وwav وwebm. لا يوجد رقم لنافذة السياق للتخطيط بناءً عليه هنا، والحد الأقصى للمخرج مُدرج كصفر، لذا تعامل مع ملف الصوت نفسه، لا مع ميزانية الرموز، باعتباره ما تحدد حجم طلباتك بناءً عليه.

تشير هذه القدرات إلى مجموعة محددة إلى حد ما من المهام. يمكن تحويل تسجيلات الاجتماعات والمكالمات إلى نص للبحث أو المراجعة أو الأرشفة. يمكن نسخ المقابلات وجلسات أبحاث المستخدمين بكميات كبيرة، بما في ذلك مواد بلغات لا يتحدثها فريقك، لأن النموذج يغطي أكثر من 99 لغة. يمكن تحويل البودكاست والمحاضرات وملفات الفيديو بصيغ mp3 أو mp4 أو wav أو webm إلى سجلات مكتوبة أو ترجمات. ولأن الترجمة جزء من النموذج نفسه، يمكنك إرسال صوت غير إنجليزي والحصول على مخرج باللغة الهدف دون تشغيل خطوة ترجمة منفصلة.

تستدعيه عبر واجهة API المتوافقة مع OpenAI في api14 باستخدام معرّف النموذج "openai/whisper-large-v3". ولأن الواجهة تطابق واجهة OpenAI، تعمل مكتبات عميل OpenAI الحالية وأشكال الطلبات مع تغيير عنوان URL الأساسي والمفتاح فقط. قائمة المعاملات المدعومة للنموذج فارغة، لذا لا تتوقع ضبط أخذ العينات أو درجة الحرارة أو مقابض مشابهة؛ أرسل الصوت واقرأ النص المنسوخ. تحقق من جدول الأسعار المباشر في هذه الصفحة لمعرفة المعدلات الحالية قبل أن تلتزم بحجم عمل.

تحذير عملي واحد: هذا نموذج نسخ نصي، وليس نموذج محادثة أو استدلال. لا يأخذ مطالبات نصية كمدخل ولا ينتج مخرجًا حواريًا، لذا فإن مهام مثل تلخيص نص منسوخ أو الإجابة عن أسئلة حوله أو توليد شيفرة تنتمي إلى نموذج نصي. النمط الشائع هو ربط الاثنين، باستخدام Whisper Large V3 لإنتاج النص المنسوخ ونموذج لغوي منفصل للعمل على النص الناتج. إذا كان مدخلك نصًا بالفعل، أو كان صوتك بلغة خارج المجموعة المدعومة، فهذا النموذج ليس الخيار المناسب.