Whisper large-v3-turbo

مدل صوتی از اوپن‌ای‌آی

به فارسی:ویسپر توربوویسپر لارج وی ۳ توربو

این مدل چیست؟

Whisper large-v3-turbo نسخهٔ سبک و سریع Whisper large-v3 از OpenAI است که اکتبر ۲۰۲۴ متن‌باز منتشر شد؛ لایه‌های رمزگشای آن از ۳۲ به ۴ کم شده، حدود ۸۰۹ میلیون پارامتر دارد و با افت اندکی در دقت چند برابر سریع‌تر است. ۹۹ زبان، از جمله فارسی، را رونویسی می‌کند ولی برای ترجمه آموزش ندیده است. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۴٫۶٪ (روی Groq) است و در Whisper، Handy، Buzz و Subtitle Edit آفلاین اجرا می‌شود.

سازنده: اوپن‌ای‌آی (OpenAI)

OpenAI شرکت آمریکایی سازندهٔ ChatGPT است. مدل‌های زبانی GPT، تصویرساز GPT Image و مدل‌های گفتار و تبدیل گفتار به متن را می‌سازد و آن‌ها را در ChatGPT و از راه API عرضه می‌کند.

کجا می‌شود از آن استفاده کرد؟

جایگاه در جدول‌های مقایسه

  • سنجش گفتار به متن Artificial AnalysisWhisper Large v3 Turbo
    رتبهٔ ۴۵خطای کلمه ۴٫۶٪$۰٫۶۷ برای ۱۰۰۰ دقیقه صدا
  • سنجش گفتار به متن Artificial AnalysisWhisper Large v3 Turbo, Telnyx
    رتبهٔ ۵۸خطای کلمه ۵٫۵٪$۱۵ برای ۱۰۰۰ دقیقه صدا
مقایسهٔ کامل مدل‌ها

مدل‌های دیگر اوپن‌ای‌آی