Whisper large-v3
Κυριαρχία και φιλοξενία
Δεν φιλοξενείται στο LLM EU σε αυτήν την ανάπτυξη: τα αιτήματα απαντώνται από το ενσωματωμένο mock backend στην περιοχή dev-mock. Δεν εκτελούνται βάρη.
Σύνοψη
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.
Προδιαγραφές
- Πάροχος
- OpenAI (US)
- Παράθυρο πλαισίου
- Μη επαληθευμένο: ο πάροχος δεν έχει τεκμηριώσει αυτόν τον ισχυρισμό.
- Παράμετροι
- 1.54B
- Τροπικότητες
- audio
- Άδεια
- apache-2.0 · licence
- Ανοιχτά βάρη
- yes
- Ημερομηνία κυκλοφορίας
- 07 Νοε 2023
- Εργασίες
- translation, multilingual-support, summarization
Γλώσσες
Ισχυρή: en, de, fr, es, it, pt, nl, pl
Επαρκής: sv, da, fi, cs, ro, el, uk, ru, tr, ar, zh, ja, ko, hi
Γλώσσες
Ισχυρή
- en
- de
- fr
- es
- it
- pt
- nl
- pl
Επαρκής
- sv
- da
- fi
- cs
- ro
- el
- uk
- ru
- tr
- ar
- zh
- ja
- ko
- hi
Μη επαληθευμένο: ο πάροχος δεν έχει τεκμηριώσει αυτόν τον ισχυρισμό. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Πότε να το χρησιμοποιήσετε
Πλεονεκτήματα
- one model for transcription and translation to English
- long-standing tooling support across every major inference stack
- Apache-2.0 licence
Περιορισμοί
- 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