AI Endpoints: catalogo e playground

Confronta e prova modelli open weight per testo, codice, voce e visione, senza registrazione. Poi passa in produzione con la stessa API compatibile con OpenAI.

whisper-large-v3-turbo

Speech To Text

Whisper è un modello avanzato per il riconoscimento vocale automatico (ASR) e la traduzione, proposto nel documento "Robust Speech Recognition via Large-Scale Weak Supervision" di Alec Radford et al. di OpenAI. Addestrato per oltre 5 milioni di ore con dati etichettati, Whisper dimostra una forte capacità di generalizzare su molti dataset e domini in un contesto zero-shot. Whisper large-v3-turbo è una versione ottimizzata di un Whisper large-v3 snellito. In altre parole è esattamente lo stesso modello, ma il numero di livelli di decodifica è stato ridotto da 32 a 4. Di conseguenza il modello è molto più veloce, a discapito però di una leggera perdita di qualità.

Prezzi
0.00001278€/ secondo di audio
Data di rilascio
1 set 2024
Aggiunto al catalogo il
15 lug 2025
Parametri
0.81B
Formati di output
json, verbose_json, text
Formati audio supportati
mp3, mp4, aac, m4a, wav, flac, ogg, opus, webm, mpeg, mpga
Durata audio massima
3h
Dimensione audio massima
2048 MB
https://oai.endpoints.kepler.ai.cloud.ovh.net/v1