LLM EU
Izvēlne

Whisper large-v3

OpenAI

Nav mitināts — mock aizmugure Atvērti svari

Suverenitāte un mitināšana

Nav mitināts — mock aizmugure

Šajā izvietojumā nav mitināts LLM EU: pieprasījumus atbild iebūvētā mock aizmugure reģionā dev-mock. Neviens svars netiek izpildīts.

Kopsavilkums

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.

Specifikācijas

Nodrošinātājs
OpenAI (US)
Konteksta logs
Nav verificēts: nodrošinātājs nav dokumentējis šo apgalvojumu.
Parametri
1.54B
Modalitātes
audio
Licence
apache-2.0 · licence
Atvērti svari
yes
Izlaiduma datums
2023. g. 07. nov.
Uzdevumi
translation, multilingual-support, summarization

Valodas

Spēcīga: en, de, fr, es, it, pt, nl, pl

Atbilstoša: sv, da, fi, cs, ro, el, uk, ru, tr, ar, zh, ja, ko, hi

Valodas

Spēcīga

  • en
  • de
  • fr
  • es
  • it
  • pt
  • nl
  • pl

Atbilstoša

  • sv
  • da
  • fi
  • cs
  • ro
  • el
  • uk
  • ru
  • tr
  • ar
  • zh
  • ja
  • ko
  • hi

Nav verificēts: nodrošinātājs nav dokumentējis šo apgalvojumu. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

Kad to izmantot

Stiprās puses

  • one model for transcription and translation to English
  • long-standing tooling support across every major inference stack
  • Apache-2.0 licence

Ierobežojumi

  • 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