OpenAI: Whisper Large V3

Описание

Whisper Large V3 — это модель автоматического распознавания речи с открытым исходным кодом от OpenAI, предлагающая как транскрипцию, так и перевод аудио. Она поддерживает более 99 языков и принимает распространенные аудиоформаты, включая mp3, mp4, wav, webm, flac и ogg. Обладая 1550 миллионами параметров, она достигает 10,3% ошибки распознавания слов и хорошо подходит для устойчивой к шуму, многоязычной транскрипции в сложных условиях. Поддерживает гранулярность временных меток на уровне слов и сегментов.

Характеристики

API и примеры кода

from openai import OpenAI

client = OpenAI(
    base_url="https://infergate.ru/api/v1",
    api_key="sk-•••",
)

with open("speech.mp3", "rb") as f:
    resp = client.audio.transcriptions.create(
        model="openai/whisper-large-v3",
        file=f,
        language="ru",
    )
print(resp.text)

Поддерживаемые параметры запроса