Whisper v1 是 OpenAI 的通用语音识别模型,在大规模多样化音频数据集上训练。
- 输入
- 音频
- 输出
- 文本
- 价格
- $0.006/min
价格在同类中的位置
价格在 12 个同类模型中的位置
这条线标出该模型的价格在 Synthorai 同类模型中的位置,两端分别是最便宜和最贵的模型。这里是基础价,批量、区域和缓存写入的折扣见价格页。
规格与限制
音频
| 语言 | 在 98 种语言上训练;在转写和翻译端点上共列出 57 种受支持语言(即达到 <50% 词错误率门槛的那些) |
|---|---|
| 音频限制 |
|
| 说话人分离 | 不支持 |
| 流式转写 | 不支持 |
| 时间戳 | 支持 |
模型
| 模态 | 音频 → 文本 |
|---|
- 以 API 形式提供的开源 Whisper large-v2
- prompt 上限 224 token
30 秒用上 Whisper v1
兼容 OpenAI:换掉 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());关于 Whisper v1
- 它是一个多任务系统,可执行转写、多语言语音识别、语音翻译和语言识别,按处理音频的分钟数简单计费。
- 尽管已有更新的基于 GPT-4o 的转写模型,对若干任务而言,它仍是 OpenAI 音频栈中唯一的选项。
- 它是 translations 端点上唯一提供的模型,该端点把语音转成英语;它也是唯一支持段级或词级时间戳粒度的模型。
- 它还拥有该家族最广的响应格式支持,覆盖 JSON、纯文本、verbose JSON、SRT 和 VTT,而这正是字幕管线所需要的。
- 取舍同样具体:不支持流式转写,prompt 引导的是风格而非内容(模型倾向于模仿 prompt 的标点和大小写),并且只有 prompt 的最后 224 个 token 会被纳入考虑。
- 共用的转写限制适用,接受 mp3、mp4、mpeg、mpga、m4a、wav 和 webm,最大 25MB。
- OpenAI 的文档现在以历史视角描述它,不过模型页上没有弃用通知。
- Synthorai 在其 OpenAI 兼容 /v1/audio/transcriptions 路由上接受 Whisper 任务,现有客户端可原样使用。
常见问题
Whisper v1 API 可以免费试用吗?
可以。新账号有 10 次试用调用,免费额度最高 $1,无需绑卡。在绑定付款方式之前,足够拿真实负载把 Whisper v1 试一遍。
Whisper v1 最擅长什么?
多任务:转写、翻译、语种识别、按音频分钟数简单计费、转写与翻译端点均兼容。完整介绍见「关于」部分,内容取自供应商的官方发布说明。
Whisper v1 的价格是多少?
在 Synthorai 上,Whisper v1 每转写一分钟音频收费 $0.006:按量付费,无平台加价,无需订阅。
Whisper v1 支持哪些语言?
Whisper v1 支持 在 98 种语言上训练;在转写和翻译端点上共列出 57 种受支持语言(即达到 <50% 词错误率门槛的那些)。在 Synthorai 上通过 POST /v1/audio/transcriptions 调用,请求格式与 OpenAI 转写 API 相同。
如何开通 Whisper v1?
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "whisper-1" 即可。一个 API key 就能调用网关上的全部模型。
相关模型
对比
本页的每个数值都照录自供应商自己的文档(链接见上),并标有核对日期。价格是在整个目录范围内比较的;各家供应商定义不一样的规格项,只说明差异,不画图对比。这里没有任何一项是我们自己测的,也不打分。