AI Endpoints: katalog i playground

Porównuj i testuj modele open weight do tekstu, kodu, mowy i obrazu, bez rejestracji. Następnie przejdź do produkcji z tym samym API zgodnym z OpenAI.

whisper-large-v3

Speech To Text

Whisper to zaawansowany model rozpoznawania mowy (ASR) i tłumaczenia mowy. Powstał na podstawie pracy "Robust Speech Recognition via Large-Scale Weak Supervision" autorstwa Aleca Radforda i zespołu OpenAI. Został wytrenowany na podstawie ponad 5 milionów godzin nagrań opatrzonych etykietami, co pozwala mu skutecznie rozpoznawać mowę w różnych zestawach danych w trybie zero-shot.

Cennik
0.00004083€/ sekundę audio
Data wydania
1 lis 2023
W katalogu od
15 lip 2025
Parametry
1.54B
Formaty wyjściowe
json, verbose_json, text
Obsługiwane formaty audio
mp3, mp4, aac, m4a, wav, flac, ogg, opus, webm, mpeg, mpga
Maks. czas trwania audio
3h
Maks. rozmiar audio
2048 MB
https://oai.endpoints.kepler.ai.cloud.ovh.net/v1