Neu Kostenlos registrieren und 10 Aufrufe gratis nutzen. Bis zu 1 $, ohne Kreditkarte.

Whisper v1

Veröffentlicht 2023-03-01

transcription

Whisper v1 ist OpenAIs Allzweck-Spracherkennungsmodell, trainiert auf einem großen Datensatz vielfältiger Audiodaten.

Eingabe
Audio
Ausgabe
Text
Preis
$0.006/min

Preis im Vergleich

Der Preis im Feld von 12 vergleichbaren Modellen

Pro Minute$0.006/min
$0.002 · Fun-ASR Realtime GPT Realtime Whisper · $0.017

Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.

Spezifikationen & Limits

Audio

Sprachen Trainiert auf 98 Sprachen; 57 sind als unterstützt gelistet, nämlich jene Sprachen, die an den Transkriptions- und Translations-Endpoints OpenAIs Schwellenwert einer Wortfehlerrate unter 50% erreicht haben
Audio-Limits
  • mp3/mp4/mpeg/mpga/m4a/wav/webm, bis 25MB
  • Zeitstempel auf Wort- und Segmentebene (verbose_json), srt/vtt-Output
  • kein Streaming
  • einziges Modell, das am Translations-Endpoint unterstützt wird (ins Englische)
Sprecherdiarisierung Nein
Streaming-Transkription Nein
Zeitstempel Ja

Modell

Modalitäten Audio → Text
  • Quelloffenes Whisper large-v2, bereitgestellt über die API
  • der Prompt ist auf 224 Token begrenzt

laut Offizielle OpenAI-Dokumentation ↗

Whisper v1 in 30 Sekunden nutzen

OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/audio/transcriptions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.audio.transcriptions.create(
    model="whisper-1",
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Über Whisper v1

  • Es ist ein Multitask-System, das Transkription, mehrsprachige Spracherkennung, Sprachübersetzung und Sprachidentifikation ausführt und schlicht pro verarbeiteter Audiominute abgerechnet wird.
  • Trotz der neueren Transkriptionsmodelle auf GPT-4o-Basis ist es für mehrere Aufgaben weiterhin die einzige Option in OpenAIs Audio-Stack.
  • Es ist das einzige Modell, das auf dem Translations-Endpoint bereitgestellt wird, der Sprache ins Englische überträgt, und das einzige, das Zeitstempel-Granularitäten auf Segment- oder Wortebene unterstützt.
  • Es hat außerdem die breiteste Unterstützung für Antwortformate in der Familie und deckt JSON, reinen Text, Verbose-JSON, SRT und VTT ab, was Untertitel-Pipelines brauchen.
  • Die Kompromisse sind ebenso konkret: Gestreamte Transkription wird nicht unterstützt, Prompts steuern Stil statt Inhalt (das Modell neigt dazu, Interpunktion und Großschreibung des Prompts zu spiegeln), und nur die letzten 224 Token eines Prompts werden berücksichtigt.
  • Es gelten die gemeinsamen Transkriptionsgrenzen, mit mp3, mp4, mpeg, mpga, m4a, wav und webm bis 25MB.
  • OpenAIs Dokumentation rahmt es inzwischen historisch, obwohl die Modellseite keinen Deprecation-Hinweis trägt.
  • Synthorai nimmt Whisper-Jobs auf seiner OpenAI-kompatiblen Route /v1/audio/transcriptions entgegen, sodass bestehende Clients unverändert funktionieren.

FAQ

Lässt sich die Whisper v1 API kostenlos testen?

Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Das reicht, um Whisper v1 mit Ihrem realen Workload auszuprobieren, bevor Sie eine Zahlungsmethode hinterlegen.

Worin ist Whisper v1 am besten?

Multitask: Transkription, Übersetzung, Sprachidentifikation; schlicht pro Audiominute abgerechnet; kompatibel über Transkriptions- und Übersetzungs-Endpoints. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.

Was kostet Whisper v1?

Whisper v1 kostet auf Synthorai $0.006 pro transkribierter Audiominute, nutzungsbasiert abgerechnet, ohne Plattformaufschlag und ohne Abo.

Welche Sprachen unterstützt Whisper v1?

Whisper v1 unterstützt Trainiert auf 98 Sprachen; 57 sind als unterstützt gelistet, nämlich jene Sprachen, die an den Transkriptions- und Translations-Endpoints OpenAIs Schwellenwert einer Wortfehlerrate unter 50% erreicht haben. Auf Synthorai rufen Sie das Modell über POST /v1/audio/transcriptions auf, im Format der Transkriptions-API von OpenAI.

Wie erhalte ich Zugang zu Whisper v1?

Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="whisper-1", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.

Verwandte Modelle

Vergleichen

Jeder Wert auf dieser Seite stammt aus der oben verlinkten Dokumentation des Anbieters und trägt das Datum, an dem wir ihn geprüft haben. Preise vergleichen wir über den gesamten Katalog. Spezifikationen, die Anbieter unterschiedlich definieren, zeigen wir mit einem Hinweis auf den Unterschied und nicht als Diagramm. Wir messen hier nichts selbst und vergeben keine Bewertungen.

API-Schlüssel erstellen Ihre Kosten vergleichen →