Whisper v1 是 OpenAI 的通用語音辨識模型,在一個規模龐大、內容多樣的音訊資料集上訓練而成。
- 輸入
- 音訊
- 輸出
- 文字
- 價格
- $0.006/min
價格在同類中的位置
價格在 11 個同類模型中的位置
這條線顯示該模型的價格,在 Synthorai 上同類模型裡處於什麼位置。兩端標出了最便宜和最貴的那個。這裡是基礎價,批次、區域與快取寫入的折扣見價格頁。
規格與限制
音訊
| 語言 | 以 98 種語言訓練;列出 57 種支援語言,即在 transcriptions 與 translations 端點上達到 OpenAI 詞錯誤率低於 50% 門檻的語言 |
|---|---|
| 音訊限制 |
|
| 語者分離 | 不支援 |
| 串流轉寫 | 不支援 |
| 時間戳 | 支援 |
模型
| 模態 | 音訊 → 文字 |
|---|
- 透過 API 提供的開源 Whisper large-v2
- prompt 上限 224 token
30 秒用上 Whisper v1
OpenAI 相容:換掉 base_url,SDK 不用改。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)import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.audio.transcriptions.create({
model: "whisper-1",
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="whisper-1" \
-F file=@meeting.mp3package main
import (
"context"
"fmt"
"os"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
f, _ := os.Open("meeting.mp3")
resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
Model: "whisper-1",
File: f,
})
fmt.Println(resp.Text)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
Transcription resp = client.audio().transcriptions().create(
TranscriptionCreateParams.builder()
.model("whisper-1")
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());關於 Whisper v1
- 它是一套多工系統,可執行轉寫、多語言語音辨識、語音翻譯與語言辨識,計費方式很單純,按處理的音訊分鐘數計算。
- 儘管已有較新的、基於 GPT-4o 的轉寫模型,對好幾類工作來說,它仍然是 OpenAI 音訊技術堆疊中唯一的選項。
- 它是 translations 端點上唯一提供的模型,該端點會把語音轉成英語;它也是唯一支援分段級或詞級時間戳粒度的模型。
- 它同時擁有家族中最廣的回應格式支援,涵蓋 JSON、純文字、verbose JSON、SRT 與 VTT,而這正是字幕管線所需要的。
- 取捨同樣具體:不支援串流轉寫;prompt 引導的是風格而非內容(模型傾向於模仿 prompt 的標點與大小寫);而且只有 prompt 的最後 224 個 token 會被納入考量。
- 共通的轉寫限制同樣適用,接受 mp3、mp4、mpeg、mpga、m4a、wav 與 webm,單檔最大 25MB。
- OpenAI 的文件現在以歷史的角度來介紹它,不過模型頁面上並沒有棄用通知。
- Synthorai 在其 OpenAI 相容的 /v1/audio/transcriptions 路由上接受 Whisper 任務,因此既有用戶端可以原樣運作。
常見問題
Whisper v1 API 可以免費試用嗎?
可以,新帳號可獲得 10 次試用呼叫和最高 $1 的免費額度,無需信用卡。足以在新增付款方式之前,用真實工作負載試試 Whisper v1。
Whisper v1 最擅長什麼?
多工:轉寫、翻譯、語種辨識、按音訊分鐘數簡單計費、轉寫與翻譯端點均相容。完整能力請見「關於」一節,內容取自廠商官方發布說明。
Whisper v1 的價格是多少?
在 Synthorai 上,Whisper v1 依轉錄音訊每分鐘 $0.006 計費,按用量計費,無平台加價,無需訂閱。
Whisper v1 支援哪些語言?
Whisper v1 支援 以 98 種語言訓練;列出 57 種支援語言,即在 transcriptions 與 translations 端點上達到 OpenAI 詞錯誤率低於 50% 門檻的語言。在 Synthorai 上透過 POST /v1/audio/transcriptions 呼叫,即標準 OpenAI 轉錄 API 形式。
如何開通 Whisper v1?
把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "whisper-1" 即可。一組 API key 通用閘道上的所有模型。
相關模型
對比
本頁每個值都轉錄自廠商自己的文件(連結見上),並帶有核對日期。價格在全目錄範圍內比較;各廠商定義不同的規格值,只說明差異而不作圖表對比。此處沒有任何由我們測量的資料,也不做評分。