OpenAI: Whisper Large V3

OpenAI: Whisper Large V3 è un modello di riconoscimento automatico del parlato di OpenAI, distribuito come open source. Si colloca nella categoria della trascrizione ed è la versione large della famiglia Whisper, il che significa che è la variante che OpenAI posiziona per la copertura linguistica più ampia e per l'audio più impegnativo. Se già instradi altri modelli OpenAI attraverso api14, questo proviene dallo stesso provider e segue le stesse convenzioni.

Il modello accetta l'audio come unico input e restituisce una trascrizione come output. Secondo OpenAI, gestisce sia la trascrizione sia la traduzione, quindi puoi sia trascrivere il parlato nella sua lingua originale sia renderizzarlo in un'altra. Copre più di 99 lingue e accetta i formati audio comuni, tra cui mp3, mp4, wav e webm. Qui non c'è una cifra di finestra di contesto su cui pianificare, e l'output massimo è indicato come zero, quindi considera il file audio stesso, non un budget di token, come l'elemento su cui dimensionare le richieste.

Queste capacità indicano un insieme piuttosto specifico di attività. Le registrazioni di riunioni e chiamate possono essere convertite in testo per ricerca, revisione o archiviazione. Interviste e sessioni di ricerca sugli utenti possono essere trascritte in blocco, incluso materiale in lingue che il tuo team non parla, poiché il modello copre oltre 99 lingue. Podcast, lezioni e file video in mp3, mp4, wav o webm possono essere trasformati in documenti scritti o sottotitoli. Poiché la traduzione fa parte dello stesso modello, puoi inviare audio non in inglese e ottenere output in una lingua di destinazione senza eseguire un passaggio di traduzione separato.

Lo chiami attraverso l'API compatibile con OpenAI di api14 usando l'id del modello "openai/whisper-large-v3". Poiché l'interfaccia corrisponde a quella di OpenAI, le librerie client OpenAI esistenti e le strutture delle richieste funzionano cambiando solo l'URL di base e la chiave. L'elenco dei parametri supportati dal modello è vuoto, quindi non aspettarti di regolare campionamento, temperatura o manopole simili; invia l'audio e leggi la trascrizione restituita. Controlla la tabella dei prezzi aggiornata su questa pagina per le tariffe correnti prima di impegnarti su un carico di lavoro.

Un'avvertenza pratica: questo è un modello di trascrizione, non un modello di chat o di ragionamento. Non accetta prompt testuali come input e non produce output conversazionale, quindi attività come riassumere una trascrizione, rispondere a domande su di essa o generare codice appartengono a un modello testuale. Uno schema comune è concatenare i due, usando Whisper Large V3 per produrre la trascrizione e un modello linguistico separato per lavorare sul testo risultante. Se il tuo input è già testo, o il tuo audio è in una lingua al di fuori dell'insieme supportato, questo modello non è la scelta giusta.