Whisper large-v3
Suverænitet og hosting
Ikke hostet på LLM EU i denne udrulning: anmodninger besvares af den indbyggede mock-backend i regionen dev-mock. Ingen vægte kører.
Resumé
Whisper large-v3 is OpenAI’s multilingual speech-recognition and speech-translation model with 1.54B parameters under the Apache-2.0 licence. It has a fixed 30-second receptive field and processes longer audio with a sliding window, and it uses 128 mel frequency bins rather than the 80 of earlier versions. The model card warns that it was evaluated on roughly ten languages and should be evaluated in-domain before deployment.
Specifikationer
- Udbyder
- OpenAI (US)
- Kontekstvindue
- Ikke verificeret: udbyderen har ikke dokumenteret denne påstand.
- Parametre
- 1.54B
- Modaliteter
- audio
- Licens
- apache-2.0 · licence
- Åbne vægte
- yes
- Udgivelsesdato
- 07. nov. 2023
- Opgaver
- translation, multilingual-support, summarization
Sprog
Stærk: en, de, fr, es, it, pt, nl, pl
Tilstrækkelig: sv, da, fi, cs, ro, el, uk, ru, tr, ar, zh, ja, ko, hi
Sprog
Stærk
- en
- de
- fr
- es
- it
- pt
- nl
- pl
Tilstrækkelig
- sv
- da
- fi
- cs
- ro
- el
- uk
- ru
- tr
- ar
- zh
- ja
- ko
- hi
Ikke verificeret: udbyderen har ikke dokumenteret denne påstand. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Hvornår skal man bruge den
Styrker
- one model for transcription and translation to English
- long-standing tooling support across every major inference stack
- Apache-2.0 licence
Begrænsninger
- fixed 30-second receptive field; longer audio needs chunking logic
- the card only claims strong recognition for about ten languages
- the card advises against using it for classification or speaker attributes