Whisper large-v3
Soberania e alojamento
Não hospedado na LLM EU nesta implementação: os pedidos são respondidos pelo backend mock incorporado na região dev-mock. Nenhuns pesos são executados.
Resumo
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.
Especificações
- Fornecedor
- OpenAI (US)
- Janela de contexto
- Não verificado: o fornecedor não documentou esta afirmação.
- Parâmetros
- 1.54B
- Modalidades
- audio
- Licença
- apache-2.0 · licence
- Pesos abertos
- yes
- Data de lançamento
- 07/11/2023
- Tarefas
- translation, multilingual-support, summarization
Idiomas
Forte: en, de, fr, es, it, pt, nl, pl
Adequado: sv, da, fi, cs, ro, el, uk, ru, tr, ar, zh, ja, ko, hi
Idiomas
Forte
- en
- de
- fr
- es
- it
- pt
- nl
- pl
Adequado
- sv
- da
- fi
- cs
- ro
- el
- uk
- ru
- tr
- ar
- zh
- ja
- ko
- hi
Não verificado: o fornecedor não documentou esta afirmação. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Quando utilizá-lo
Pontos fortes
- one model for transcription and translation to English
- long-standing tooling support across every major inference stack
- Apache-2.0 licence
Limitações
- 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