OpenAI: Whisper Large V3

OpenAI: Whisper Large V3 adalah model pengenalan ucapan otomatis dari OpenAI, yang didistribusikan sebagai open source. Model ini berada dalam kategori transkripsi dan merupakan versi large dari keluarga Whisper, yang berarti ini adalah varian yang diposisikan OpenAI untuk cakupan bahasa terluas dan audio paling menuntut. Jika Anda sudah merutekan model OpenAI lain melalui api14, model ini berasal dari provider yang sama dan mengikuti konvensi yang sama.

Model ini menerima audio sebagai satu-satunya input dan mengembalikan transkripsi sebagai output. Menurut OpenAI, model ini menangani transkripsi dan terjemahan, sehingga Anda dapat menuliskan ucapan dalam bahasa aslinya atau mengalihkannya ke bahasa lain. Model ini mencakup lebih dari 99 bahasa dan menerima format audio umum, termasuk mp3, mp4, wav dan webm. Tidak ada angka context window untuk dijadikan patokan di sini, dan output maksimum tercatat sebagai nol, jadi anggap file audio itu sendiri, bukan anggaran token, sebagai hal yang menjadi dasar ukuran permintaan Anda.

Kemampuan tersebut mengarah pada serangkaian pekerjaan yang cukup spesifik. Rekaman rapat dan panggilan dapat dikonversi menjadi teks untuk pencarian, peninjauan atau pengarsipan. Wawancara dan sesi riset pengguna dapat ditranskripsikan secara massal, termasuk materi dalam bahasa yang tidak dikuasai tim Anda, karena model ini mencakup 99+ bahasa. Podcast, kuliah dan file video dalam mp3, mp4, wav atau webm dapat diubah menjadi catatan tertulis atau subtitle. Karena terjemahan adalah bagian dari model yang sama, Anda dapat mengirim audio non-Inggris dan mendapatkan output dalam bahasa target tanpa menjalankan langkah terjemahan terpisah.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "openai/whisper-large-v3". Karena antarmukanya cocok dengan OpenAI, pustaka klien OpenAI yang ada dan bentuk permintaan yang ada berfungsi hanya dengan mengubah base URL dan key. Daftar parameter yang didukung model ini kosong, jadi jangan berharap dapat menyetel sampling, temperature atau tombol serupa; kirim audio dan baca kembali transkripsinya. Periksa tabel harga langsung di halaman ini untuk tarif terkini sebelum Anda berkomitmen pada suatu beban kerja.

Satu catatan praktis: ini adalah model transkripsi, bukan model chat atau penalaran. Model ini tidak menerima prompt teks sebagai input dan tidak menghasilkan output percakapan, sehingga tugas seperti merangkum transkrip, menjawab pertanyaan tentangnya atau menghasilkan kode menjadi tugas model teks. Pola yang umum adalah merangkai keduanya, menggunakan Whisper Large V3 untuk menghasilkan transkrip dan model bahasa terpisah untuk mengolah teks yang dihasilkan. Jika input Anda sudah berupa teks, atau audio Anda berada dalam bahasa di luar kumpulan yang didukung, model ini bukan pilihan yang tepat.