制御されたWhisper Large v3ターボの文字起こしを多言語ASR、翻訳、VAD、タイムスタンプ、字幕、ホットワード、デコーダー制御付きで行います。
OpenAIコンテンツリリース 2024年10月1日ネイティブ推論制御されたWhisper Large v3ターボの文字起こしを多言語ASR、翻訳、VAD、タイムスタンプ、字幕、ホットワード、デコーダー制御付きで行います。
別名 Whisper Large Turbo, OpenAI Whisper Large v3 Turbo, Whisper-Large-v3-Turbo
whisper-large-v3-turbo/v1/audio/transcriptionsopenai/whisper-large-v3-turboEmpirioLabs カタログのライブ従量課金料金です。使った分だけの支払いで、月額最低料金はありません。
Whisper Large v3 Turbo は POST /v1/audio/transcriptions で動作します。リクエストはすぐに job_id を返すので、ジョブが完了するまで GET /v1/jobs/{job_id} をポーリングし、結果から出力 URL を読み取ってください。 EmpirioLabs ダッシュボードで API キーを取得してください。
curl https://api.empiriolabs.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "whisper-large-v3-turbo",
"audio_url": "https://example.com/meeting-recording.mp3"
}'curl https://api.empiriolabs.ai/v1/jobs/JOB_ID \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY"import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/audio/transcriptions",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={
"model": "whisper-large-v3-turbo",
"audio_url": "https://example.com/meeting-recording.mp3",
},
)
job = response.json()
# Generation runs as an async job. Poll until it completes.
import time
while True:
status = requests.get(
f"https://api.empiriolabs.ai/v1/jobs/{job['job_id']}",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
).json()
if status.get("status") in ("completed", "failed"):
print(status)
break
time.sleep(5)EmpirioLabs 上の Whisper Large v3 Turbo API が対応するリクエストパラメーターです。フィールドを省略した場合はデフォルト値が適用されます。
| パラメータ | タイプ | デフォルト | 範囲 / 値 | 説明 |
|---|---|---|---|---|
| audio_url | string | - | - | 音声ファイルのURLを文字起こししてください。audio_base64とは相互排他的です。 |
| audio_base64 | string | - | - | Base64でエンコードされたオーディオバイト。audio_urlと相互排他的です。 |
| audio_suffix | string | .audio | - | 音声ソースに認識可能な拡張子がない場合のファイル拡張子のヒント(mp3、wav、m4aなど)。 |
| language | string | - | - | ISO 639-1の言語コード(英語、英語、フランス語など)。自動検出用に空欄を残してください。 |
| task | enum | transcribe | transcribe, translate | 転写=同じ言語、翻訳=英語に翻訳。 |
| beam_size | integer | 5 | 1 から 32 | ビームサーチ幅。高い方=より正確ですが遅くなります。 |
| best_of | integer | 5 | 1 から 32 | 温度>0でサンプリングする候補者数。 |
| patience | number | 1 | 0 から 10 | ビームサーチの忍耐力。高い方=より多くの候補者を探求します。 |
| length_penalty | number | 1 | -10 から 10 | より長い成績証明書にはペナルティが適用されます。ネガティブは出力を短く促します。 |
| repetition_penalty | number | 1 | 0.1 から 5 | トークンを繰り返すとペナルティが発生します。>1は繰り返しを減らす。 |
| no_repeat_ngram_size | integer | 0 | 0 から 20 | このサイズのnグラムは出力で繰り返されるのをブロックします。 |
| temperature | string | 0,0.2,0.4,0.6,0.8,1 | - | サンプリング温度。0 = 決定論的、より大きい方が = 変動が大きい。 |
| compression_ratio_threshold | number | 2.4 | - | 圧縮比がこれ以上になる出力は失敗とみなし、再試行してください。 |
| log_prob_threshold | number | -1 | - | 平均ログ確率がこの以下のセグメントは失敗とみなし、再試行します。 |
URL/base64 音声、 language/task 、ビームおよび温度のフォールバックコントロール、 VAD/chunking 、ホットワード、プロンプト、単語タイムスタンプ、句読点制御、トークンデバッグ出力、および JSON/text / SRT/VTT フォーマットをサポートしています。
EmpirioLabs では Whisper Large v3 Turbo は従量課金です。このページのライブ料金表は常に API の請求額と一致します。
Whisper Large v3 Turbo は api.empiriolabs.ai 上の POST /v1/audio/transcriptions で提供され、標準的な Bearer トークン認証を使用します。
はい。EmpirioLabs プレイグラウンドでは API と同じパラメーターで Whisper Large v3 Turbo をブラウザ上で実行できるので、コードを書く前にプロンプトを試せます。
EmpirioLabs アカウントを作成し、ダッシュボードの API Keysでキーを生成してください。課金は従量制クレジットなので、実行したリクエストの分だけ支払います。
