বিনামূল্যের Whisper API
Whisper হলো OpenAI-এর ওপেন স্পিচ রিকগনিশন মডেল। আপনি এটি Groq, Cloudflare Workers AI ও OVH AI Endpoints-এ বিনামূল্যে চালাতে পারেন, প্রতিটির নিজস্ব সীমা আছে। FreeLLMAPI এই Whisper হোস্টগুলোকে একটি OpenAI-compatible এন্ডপয়েন্টের আড়ালে রাখে। আপনার কোড /v1/audio/transcriptions-কে কল করে, আর একটি হোস্ট সীমায় পৌঁছালে রাউটার পরের হোস্টে যায়।
কোড, মডেলের নাম এবং লাইভ ক্যাটালগের লেবেল ইংরেজিতে দেখানো হয়।
কোথায় Whisper বিনামূল্যে
টেবিলে লাইভ ক্যাটালগ থেকে FreeLLMAPI ক্যাটালগের সব বিনামূল্যের ট্রান্সক্রিপশন মডেল তালিকাভুক্ত। Whisper সারিগুলো হলো সেগুলো, যাদের মডেল আইডিতে whisper আছে।
| মডেল | প্রোভাইডার | সর্বোচ্চ আপলোড | বিনামূল্যের সীমা |
|---|---|---|---|
Whisper Large v3 Turbo (Groq)whisper-large-v3-turbo | Groq | 25 MB | free tier - 25 MB uploads |
Whisper Large v3 (Groq)whisper-large-v3 | Groq | 25 MB | free tier - 25 MB uploads |
Whisper Large v3 Turbo (Cloudflare Workers AI)@cf/openai/whisper-large-v3-turbo | Cloudflare Workers AI | - | Workers AI free allocation |
Whisper (Cloudflare Workers AI)@cf/openai/whisper | Cloudflare Workers AI | - | Workers AI free allocation |
Deepgram Nova-3 (Cloudflare Workers AI)@cf/deepgram/nova-3 | Cloudflare Workers AI | - | Workers AI free allocation |
Whisper Tiny English (Cloudflare Workers AI)@cf/openai/whisper-tiny-en | Cloudflare Workers AI | - | Workers AI free allocation |
Cohere Transcribe Arabic (07-2026)cohere-transcribe-arabic-07-2026 | Cohere | 25 MB | free evaluation key - 1,000 calls/month shared |
Cohere Transcribe (03-2026)cohere-transcribe-03-2026 | Cohere | 25 MB | Free evaluation key — 1,000 calls/month shared; language defaults to English |
Voxtral Mini Transcribe 2 (Mistral)voxtral-mini-2602 | Mistral | 25 MB | Renewing Mistral Free-mode monthly usage shared with Studio/API/Vibe; account-specific allowance. Paid overage may apply if enabled. |
Whisper Large v3 (OVH)whisper-large-v3 | OVH AI Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Whisper Large v3 Turbo (OVH)whisper-large-v3-turbo | OVH AI Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Typhoon ASR Realtimetyphoon-asr-realtime | Typhoon | - | Ongoing free research API (shared rate limits) |
Typhoon Isan ASR Realtimetyphoon-isan-asr-realtime | Typhoon | - | Ongoing free research API (shared rate limits) |
FreeLLMAPI ক্যাটালগের লাইভ ডেটা (সংস্করণ 2026.11.19, যাচাই: 2026-11-19)। বিনামূল্যের সীমা প্রায়ই বদলায়। ক্যাটালগ প্রতিদিন যাচাই করা হয়।
| হোস্ট | Whisper মডেল | বিনামূল্যের সীমা (অফিসিয়াল) | সবচেয়ে ভালো যেখানে |
|---|---|---|---|
| Groq | Whisper Large v3, Whisper Large v3 Turbo | বিনামূল্যের টিয়ারে প্রতি ফাইলে 25 MB। 10 সেকেন্ডের কম অডিও 10 সেকেন্ড হিসেবে গোনা হয় | গতি ও নির্ভুলতা |
| Cloudflare Workers AI | Whisper Large v3 Turbo، Whisper، Whisper Tiny English | প্রতি দিন 10,000 নিউরন। Large v3 Turbo প্রতি অডিও মিনিটে 46.63 নিউরন ব্যবহার করে | VTT সাবটাইটেল, প্রতি দিন প্রায় 214 অডিও মিনিট |
| OVH AI Endpoints | Whisper Large v3, Whisper Large v3 Turbo | প্রতি IP ঠিকানা ও মডেল অনুযায়ী প্রতি মিনিটে 2টি অনুরোধ, কোনো কী ছাড়া | সাইন-আপ ছাড়া ফলব্যাক |
Groq ও Cloudflare কী একসাথে যোগ করুন। Groq 429 ত্রুটি পাঠালে রাউটার একই ফাইল চেইনের পরের হোস্টে পাঠায়। OVH একটি ভালো শেষ ফলব্যাক, কারণ এর অজ্ঞাতনামা সীমা কম। প্রতিটি হোস্টের বিনামূল্যের সীমা আলাদা, তাই প্রতিটি অতিরিক্ত কী ক্ষমতা যোগ করে।
Whisper Large v3 না Large v3 Turbo?
Groq উভয় মডেলের জন্য ওয়ার্ড এরর রেট (WER) প্রকাশ করে। কম WER মানে কম ভুল শব্দ।
| মডেল | Groq-এ WER | Groq-এ অনুবাদ | কখন বেছে নেবেন |
|---|---|---|---|
whisper-large-v3 | 10.3% | হ্যাঁ | নির্ভুলতা সবচেয়ে গুরুত্বপূর্ণ, যেমন নাম, সংখ্যা ও উচ্চারণ |
whisper-large-v3-turbo | 12% | না | স্পষ্ট কথায় দ্রুত ফলাফল দরকার |
Cloudflare-এর Whisper Tiny English ছোট এবং শুধু ইংরেজি সমর্থন করে। শুধু ছোট, স্পষ্ট ইংরেজি অডিওর জন্য এটি ব্যবহার করুন। দুটি বড় মডেলই বহুভাষিক।
/v1/audio/transcriptions তালিকাভুক্ত। /v1/audio/translations এন্ডপয়েন্ট নেই। অন্য ভাষা থেকে ইংরেজি পেতে আগে ট্রান্সক্রাইব করুন, তারপর একটি চ্যাট মডেল দিয়ে টেক্সট অনুবাদ করুন।ধাপ 1: FreeLLMAPI ইনস্টল করুন ও কী যোগ করুন
FreeLLMAPI ওপেন সোর্স। এটি Docker-এ আপনার কম্পিউটারে চলে। আপনার প্রোভাইডার কী আপনার কম্পিউটারেই থাকে।
ইনস্টল করুন (macOS বা Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001-এ ড্যাশবোর্ড খুলুন। Keys পৃষ্ঠায় একটি Groq কী ও একটি Cloudflare কী যোগ করুন। Cloudflare কীর রূপ account_id:token। OVH Whisper-এর কী লাগে না। একই পৃষ্ঠা থেকে আপনার একীভূত কী কপি করুন।
ধাপ 2: Whisper দিয়ে ট্রান্সক্রাইব করুন
ফাইলটি multipart/form-data হিসেবে পাঠান। রাউটারকে বেছে নিতে দিতে model=auto বা model=whisper-1 ব্যবহার করুন। একটি মডেল স্থির করতে তার আইডি পাঠান। whisper-large-v3-turbo আইডিটি Groq ও OVH-এর সারির সাথে মেলে, তাই ফেইলওভার একই মডেলে থাকে।
curl: Whisper Large v3 Turbo স্থির করুন
curl http://localhost:3001/v1/audio/transcriptions \
-H "Authorization: Bearer <unified-key>" \
-F [email protected] \
-F model=whisper-large-v3-turbo \
-F response_format=verbose_jsonPython: Cloudflare Whisper থেকে সাবটাইটেল
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
with open("lecture.mp3", "rb") as audio:
vtt = client.audio.transcriptions.create(
model="@cf/openai/whisper-large-v3-turbo", # Cloudflare makes VTT natively
file=audio,
response_format="vtt",
)
open("lecture.vtt", "w", encoding="utf-8").write(vtt)দীর্ঘ রেকর্ডিং: কম্প্রেস ও ভাগ করুন
FreeLLMAPI ও Groq-এর বিনামূল্যের টিয়ার একবারের আপলোডে সর্বোচ্চ 25 MB গ্রহণ করে। Groq বলে, Whisper অডিওকে 16 kHz মনোতে নামিয়ে আনে। ফাইল অনেক ছোট করতে আপলোডের আগে এটি করুন। দীর্ঘ রেকর্ডিংয়ের জন্য অডিওকে অংশে ভাগ করুন।
ffmpeg: 10 মিনিটের 16 kHz মনো FLAC অংশ
ffmpeg -i podcast.mp3 -ar 16000 -ac 1 -c:a flac -f segment -segment_time 600 part%03d.flacPython: অংশগুলো ক্রমানুসারে ট্রান্সক্রাইব করুন
import glob
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
texts = []
for path in sorted(glob.glob("part*.flac")):
with open(path, "rb") as audio:
extra = {"prompt": texts[-1][-200:]} if texts else {} # end of the previous part
r = client.audio.transcriptions.create(model="auto", file=audio, **extra)
texts.append(r.text)
print("\n".join(texts))দুটি অংশের সীমানায় একটি শব্দ কেটে যেতে পারে। সঠিক ফলের জন্য Groq অংশগুলোর মধ্যে ছোট ওভারল্যাপের পরামর্শ দেয়। আপলোডের আগে প্রতিটি অংশের আকার যাচাই করুন, কারণ কিছু অডিও ভালো কম্প্রেস হয় না।
ভালো Whisper ট্রান্সক্রিপ্ট পান
- ভাষা সেট করুন:
language-এর সাথেen,deবাur-এর মতো কোড পাঠান। তাহলে Whisper-কে ভাষা শনাক্ত করতে হয় না। - prompt ব্যবহার করুন:
prompt-এ নাম, পণ্যের নাম ও বিশেষ শব্দ পাঠান। Whisper বানানের জন্য সেগুলো প্রসঙ্গ হিসেবে ব্যবহার করে। - temperature 0 রাখুন: বেশি মান বেশি বিভিন্ন টেক্সট দেয়, যা ট্রান্সক্রিপ্টের জন্য খুব কমই কাজের।
- অডিও পরিষ্কার করুন: গান ও দীর্ঘ নীরবতা সরান। মাইক্রোফোনের কাছে থেকে কথা রেকর্ড করুন।
- টাইমস্ট্যাম্প নিন:
response_format=verbose_jsonব্যবহার করুন। প্রোভাইডার সেগমেন্ট ফেরত দিলে প্রতিটির শুরু ও শেষের সময় থাকে। সেগমেন্ট না থাকলে শুধু টেক্সটসহ সাধারণ JSON পাবেন। - হোস্ট যাচাই করুন:
X-ProviderওX-Modelরেসপন্স হেডার দেখায় কোন হোস্ট ও মডেল ট্রান্সক্রিপ্ট তৈরি করেছে। মান তুলনা করার সময় এগুলো লগ করুন।
সমস্যা সমাধান
| সমস্যা | কারণ | সমাধান |
|---|---|---|
ত্রুটি 413 file_too_large | আপলোড 25 MB-এর বড় | 16 kHz মনো FLAC-এ রূপান্তর করুন, অথবা ফাইল ভাগ করুন |
| শব্দ পুনরাবৃত্তি হয়, বা নীরবতায় টেক্সট আসে | দীর্ঘ নীরব অংশে Whisper এমন টেক্সট লিখতে পারে যা বলা হয়নি | আপলোডের আগে দীর্ঘ নীরবতা কেটে ফেলুন |
| নাম ভুল বানানে লেখা হয় | Whisper নামগুলো জানে না | prompt ফিল্ডে নামগুলো পাঠান |
| OVH থেকে ত্রুটি 429 | অজ্ঞাতনামা সীমা প্রতি মিনিটে 2টি অনুরোধ | একটি Groq বা Cloudflare কী যোগ করুন |
srt-এ ত্রুটি 400 | কোনো প্রোভাইডার SRT তৈরি করে না | Cloudflare Whisper মডেলের সাথে vtt ব্যবহার করুন |
সাধারণ প্রশ্ন
বিনামূল্যের Whisper API কি আছে?
হ্যাঁ। Groq, Cloudflare Workers AI ও OVH AI Endpoints সীমাসহ বিনামূল্যে Whisper চালায়। FreeLLMAPI এগুলোকে ফেইলওভারসহ একটি OpenAI-compatible এন্ডপয়েন্টের আড়ালে রাখে।
বিনামূল্যের Whisper API-তে ফাইলের আকারের সীমা কত?
Groq তার বিনামূল্যের টিয়ারে প্রতি ফাইলে 25 MB অনুমোদন করে, আর FreeLLMAPI 25 MB পর্যন্ত আপলোড গ্রহণ করে। দীর্ঘ রেকর্ডিংয়ের জন্য অডিওকে 16 kHz মনোতে রূপান্তর করুন অথবা ভাগ করুন।
Whisper Large v3 Turbo কি Whisper Large v3-এর মতো নির্ভুল?
ঠিক তেমন নয়। Groq Turbo-এর জন্য 12% এবং Large v3-এর জন্য 10.3% ওয়ার্ড এরর রেট তালিকাভুক্ত করে। Turbo দ্রুত এবং পেইড প্ল্যানে কম খরচ হয়।
বিনামূল্যের Whisper API কি অডিও ইংরেজিতে অনুবাদ করতে পারে?
FreeLLMAPI-এর কোনো অনুবাদ এন্ডপয়েন্ট নেই। আগে অডিও ট্রান্সক্রাইব করুন, তারপর একটি বিনামূল্যের চ্যাট মডেল দিয়ে টেক্সট অনুবাদ করুন।
বিনামূল্যের Whisper API-র সাথে কি OpenAI Python SDK কাজ করে?
হ্যাঁ। base_url সেট করুন http://localhost:3001/v1, তারপর model="auto" বা একটি Whisper মডেল আইডি সহ client.audio.transcriptions.create কল করুন।
সম্পর্কিত গাইড
- বিনামূল্যের speech to text API
- ফ্রি টেক্সট টু স্পিচ API
- free groq api
- free cloudflare api
- OVH AI Endpoints বিনামূল্যের API
- LLM দিয়ে ফ্রি অনুবাদ API
উৎস
- FreeLLMAPI README: supported endpoints (যাচাই: 20 November 2026)
- Groq docs: Speech to text (যাচাই: 20 November 2026)
- Cloudflare Workers AI pricing (যাচাই: 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (যাচাই: 20 November 2026)
- OVHcloud AI Endpoints capabilities (যাচাই: 20 November 2026)