Whisper Large V3 API — субтитры, распознавание и цена

Контекст: Не указантокенов
Результат: Распознавание речиформат ответа
Стоимость: Тариф уточняетсяусловия — в блоке подключения

ПОДКЛЮЧЕНИЕ

От модели к первому запросу

Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.

const response = await client.chat.completions.create({
  model: "openai/whisper-large-v3",
  messages: [{ role: "user", content: "Ваш запрос" }],
});

Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

Официальная model card Whisper относит large-v3 к sequence-to-sequence ASR и speech translation моделям; версия выпущена в ноябре 2023 года. Репозиторий указывает 1 550 млн параметров для large и предназначение для многоязычного распознавания. Tokenmost публикует hosted-маршрут `openai/whisper-large-v3` с audio input и transcription output. Возможности открытых весов не равны контракту этого API: заранее проверяются форматы, лимит файла, язык, перевод, сегменты, таймкоды, параллельность и биллинг. Для интервью мастер-файл нормализуется без уничтожения исходника, затем режется по безопасным границам с небольшим перекрытием. Каждый сегмент хранит абсолютное время, язык и checksum. Имена, должности, даты и прямые цитаты проходят ручную сверку. Пунктуация может улучшать читаемость, но не должна менять смысл или объединять реплики. Субтитры проверяются также по длине строки и скорости чтения. Если язык меняется внутри фразы, редактор сохраняет оригинал, а перевод выпускает отдельной дорожкой. Модель не определяет юридическую значимость сказанного.

Сохраните исходную временную шкалу

Рабочие куски получают offset относительно мастер-файла. Перекрытие помогает не потерять слова на стыке, после чего дубликаты удаляются по аудио и времени. Монтажные вырезки никогда не заменяют оригинал при проверке цитаты.

Разделите текст и редактуру

Сначала сохраняется сырой транскрипт, затем редактор исправляет имена, пунктуацию и разбиение на реплики. Каждое критичное изменение можно сопоставить с таймкодом. Стилистическая правка не выдаётся за дословную цитату.

Проверьте сложные языковые места

Тестовый набор включает акценты, англоязычные названия, числа, тихую речь и шум. Метрика ошибок считается отдельно для имён и обычных слов. Общая хорошая оценка не скрывает ошибку в фамилии или денежной сумме.

Подготовьте субтитры под экран

После распознавания применяются ограничения по длительности, символам и переносам. Одна смысловая единица не разрывается ради равной длины строк. Финальная дорожка просматривается вместе с видео, а не только читается как документ.

Считайте стоимость готовой минуты

В расчёт входят распознавание, повтор сегмента, редактура имён, синхронизация и экспорт форматов. Сравнивайте цену минуты субтитров, принятой редактором, с альтернативами. Условия самостоятельного запуска Whisper не являются тарифом Tokenmost.

Вопросы и ответы

Whisper Large V3 поддерживает разные языки?

Да, официальная карточка описывает многоязычное распознавание.

Возвращает ли модель субтитры сразу?

Она даёт транскрипцию; точный формат сегментов и таймкодов проверяется у маршрута.

Можно удалить исходное аудио после обработки?

Срок хранения задаётся вашей политикой и назначением записи.

Нужна ручная проверка?

Да, особенно для имён, сумм, дат и прямых цитат.

Как считать цену?

По минуте готовых и синхронизированных субтитров.