AI Endpoints: Katalog und Playground

Vergleichen und testen Sie Open-Weight-Modelle für Text, Code, Sprache und Bild – ohne Registrierung. Gehen Sie anschließend mit derselben OpenAI-kompatiblen API in Produktion.

whisper-large-v3-turbo

Speech To Text

Whisper ist ein hochmodernes Modell für automatische Spracherkennung (Automatic Speech Regognition, ASR) und Sprachübersetzung, das im Dokument "Robust Speech Recognition via Large-Scale Weak Supervision" (Zuverlässige Spracherkennung durch großangelegte schwache Beaufsichtigung) von Alec Radford et al. von OpenAI vorgeschlagen wurde. Whisper wurde anhand von über 5 Millionen Stunden gelabelter Daten trainiert und zeigt eine starke Fähigkeit, auf viele Datensätze und Gebiete in einem Zero-Shot-Setting zu verallgemeinern. Whisper large-v3-turbo ist eine feinabgestimmte Version eines beschnittenen Whisper large-v3. Mit anderen Worten: Es ist dasselbe Modell, nur dass die Anzahl der Dekodierungsschichten von 32 auf 4 reduziert wurde. Infolgedessen ist das Modell viel schneller, auf Kosten einer geringfügigen Qualitätsminderung.

Preise
0.00001278€/ Sekunde Audio
Veröffentlicht am
01.09.2024
Im Katalog seit
15.07.2025
Parameter
0.81B
Ausgabeformate
json, verbose_json, text
Unterstützte Audioformate
mp3, mp4, aac, m4a, wav, flac, ogg, opus, webm, mpeg, mpga
Max. Audiodauer
3h
Max. Audiogröße
2048 MB
https://oai.endpoints.kepler.ai.cloud.ovh.net/v1