API رایگان Whisper
Whisper مدل متنباز تشخیص گفتار از OpenAI است. میتوانید آن را روی Groq، Cloudflare Workers AI و OVH AI Endpoints به صورت رایگان اجرا کنید، هر کدام با محدودیتهای خودش. FreeLLMAPI این میزبانهای Whisper را پشت یک نقطه پایانی سازگار با OpenAI قرار میدهد. کد شما /v1/audio/transcriptions را فراخوانی میکند و وقتی یک میزبان به محدودیت خود برسد، مسیریاب به میزبان بعدی میرود.
کد، نام مدلها و برچسبهای زندهٔ کاتالوگ به زبان انگلیسی نمایش داده میشوند.
کجا Whisper رایگان است
جدول همه مدلهای رایگان رونویسی در کاتالوگ FreeLLMAPI را از کاتالوگ زنده فهرست میکند. ردیفهای Whisper آنهایی هستند که whisper در شناسه مدل دارند.
| مدل | ارائهدهنده | حداکثر حجم بارگذاری | محدودیت رایگان |
|---|---|---|---|
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) |
دادههای زنده از کاتالوگ FreeLLMAPI (نسخه 2026.11.19، بررسیشده در 2026-11-19). محدودیتهای رایگان اغلب تغییر میکنند. کاتالوگ هر روز بررسی میشود.
| میزبان | مدلهای Whisper | محدودیت رایگان (رسمی) | بهترین کاربرد |
|---|---|---|---|
| Groq | Whisper Large v3، Whisper Large v3 Turbo | 25 مگابایت برای هر فایل در سطح رایگان. صدای کمتر از 10 ثانیه، 10 ثانیه حساب میشود | سرعت و دقت |
| Cloudflare Workers AI | Whisper Large v3 Turbo، Whisper، Whisper Tiny English | 10٬000 نورون در هر روز. Large v3 Turbo برای هر دقیقه صدا 46.63 نورون مصرف میکند | زیرنویس VTT، حدود 214 دقیقه صدا در هر روز |
| OVH AI Endpoints | Whisper Large v3، Whisper Large v3 Turbo | 2 درخواست در دقیقه برای هر نشانی IP و مدل، بدون کلید | جایگزین بدون ثبتنام |
کلیدهای Groq و Cloudflare را با هم اضافه کنید. وقتی Groq خطای 429 بفرستد، مسیریاب همان فایل را به میزبان بعدی در زنجیره میفرستد. OVH یک جایگزین خوب در آخر زنجیره است، زیرا محدودیت ناشناس آن پایین است. محدودیتهای رایگان هر میزبان جدا هستند، پس هر کلید اضافه ظرفیت بیشتری میدهد.
Whisper Large v3 یا Large v3 Turbo؟
Groq نرخ خطای کلمه (WER) را برای هر دو مدل منتشر میکند. WER پایینتر یعنی کلمات اشتباه کمتر.
| مدل | WER در Groq | ترجمه در Groq | چه زمانی انتخاب کنید |
|---|---|---|---|
whisper-large-v3 | 10.3% | بله | دقت بیشترین اهمیت را دارد، برای مثال نامها، عددها و لهجهها |
whisper-large-v3-turbo | 12% | خیر | برای گفتار واضح، نتیجه سریع لازم دارید |
Whisper Tiny English در Cloudflare کوچک است و فقط انگلیسی را پشتیبانی میکند. فقط برای صدای انگلیسی کوتاه و واضح از آن استفاده کنید. هر دو مدل بزرگ چندزبانه هستند.
/v1/audio/transcriptions را فهرست میکند. نقطه پایانی /v1/audio/translations وجود ندارد. برای گرفتن متن انگلیسی از زبانهای دیگر، ابتدا رونویسی کنید، سپس متن را با یک مدل گفتگو ترجمه کنید.مرحله 1: نصب FreeLLMAPI و افزودن کلیدها
FreeLLMAPI متنباز است. روی رایانه شما در Docker اجرا میشود. کلیدهای ارائهدهندگان شما روی رایانهتان میمانند.
نصب (macOS یا Linux)
curl -fsSL https://freellmapi.co/install.sh | bashداشبورد را در http://localhost:3001 باز کنید. یک کلید Groq و یک کلید Cloudflare را در صفحه Keys اضافه کنید. کلید Cloudflare به شکل account_id:token است. OVH Whisper به کلید نیاز ندارد. کلید یکپارچه خود را از همان صفحه کپی کنید.
مرحله 2: رونویسی با Whisper
فایل را به صورت multipart/form-data بفرستید. از model=auto یا model=whisper-1 استفاده کنید تا مسیریاب انتخاب کند. برای ثابت کردن یک مدل، شناسه آن را بفرستید. شناسه whisper-large-v3-turbo با ردیفهای Groq و OVH مطابقت دارد، پس جایگزینی روی همان مدل میماند.
curl: ثابت کردن Whisper Large v3 Turbo
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_jsonپایتون: زیرنویس از Cloudflare Whisper
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)ضبطهای طولانی: فشردهسازی و تقسیم
FreeLLMAPI و سطح رایگان Groq هر دو حداکثر 25 مگابایت در یک بارگذاری را میپذیرند. Groq میگوید که Whisper صدا را به 16 کیلوهرتز تککاناله کاهش نمونه میدهد. پیش از بارگذاری این کار را انجام دهید تا فایل خیلی کوچکتر شود. برای ضبطهای طولانی، صدا را به بخشها تقسیم کنید.
ffmpeg: بخشهای 10 دقیقهای FLAC تککاناله 16 کیلوهرتز
ffmpeg -i podcast.mp3 -ar 16000 -ac 1 -c:a flac -f segment -segment_time 600 part%03d.flacپایتون: رونویسی بخشها به ترتیب
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))یک کلمه ممکن است در مرز بین دو بخش بریده شود. Groq برای نتایج دقیق، همپوشانی کوتاه بین بخشها را پیشنهاد میکند. اندازه هر بخش را پیش از بارگذاری بررسی کنید، زیرا برخی صداها خوب فشرده نمیشوند.
رونویسی بهتر با Whisper
- زبان را تنظیم کنید:
languageرا با یک کد مثلen،deیاurبفرستید. آنگاه Whisper لازم نیست زبان را تشخیص دهد. - از prompt استفاده کنید: نامها، نام محصولات و اصطلاحات خاص را در
promptبفرستید. Whisper آنها را برای املای کلمات به عنوان زمینه استفاده میکند. - temperature را روی 0 نگه دارید: مقدار بالاتر متن متنوعتری میدهد که برای رونویسی به ندرت مفید است.
- صدا را تمیز کنید: موسیقی و سکوتهای طولانی را حذف کنید. گفتار را نزدیک میکروفن ضبط کنید.
- زمانبندی بگیرید: از
response_format=verbose_jsonاستفاده کنید. وقتی ارائهدهنده بخشها را برمیگرداند، هر بخش زمان شروع و پایان دارد. اگر بخش نداشته باشد، JSON ساده با فقط متن دریافت میکنید. - میزبان را بررسی کنید: هدرهای پاسخ
X-ProviderوX-Modelنشان میدهند که کدام میزبان و مدل رونویسی را انجام داد. وقتی کیفیت را مقایسه میکنید، آنها را ثبت کنید.
عیبیابی
| مشکل | علت | راهحل |
|---|---|---|
خطای 413 file_too_large | بارگذاری بزرگتر از 25 مگابایت است | به 16 کیلوهرتز تککاناله FLAC تبدیل کنید، یا فایل را تقسیم کنید |
| کلمات تکرار میشوند، یا متن در سکوت ظاهر میشود | Whisper ممکن است در بخشهای بیصدای طولانی متنی بنویسد که گفته نشده است | سکوتهای طولانی را پیش از بارگذاری برش دهید |
| نامها غلط املا میشوند | Whisper نامها را نمیشناسد | نامها را در فیلد prompt بفرستید |
| خطای 429 از OVH | محدودیت ناشناس 2 درخواست در دقیقه است | یک کلید Groq یا Cloudflare اضافه کنید |
خطای 400 روی srt | هیچ ارائهدهندهای SRT تولید نمیکند | از vtt با یک مدل Cloudflare Whisper استفاده کنید |
پرسشهای متداول
آیا یک API رایگان Whisper وجود دارد؟
بله. Groq، Cloudflare Workers AI و OVH AI Endpoints، Whisper را با محدودیت به صورت رایگان اجرا میکنند. FreeLLMAPI آنها را با جایگزینی، پشت یک نقطه پایانی سازگار با OpenAI قرار میدهد.
محدودیت اندازه فایل API رایگان Whisper چقدر است؟
Groq در سطح رایگان خود 25 مگابایت برای هر فایل مجاز میداند و FreeLLMAPI بارگذاریهای تا 25 مگابایت را میپذیرد. برای ضبطهای طولانیتر، صدا را به 16 کیلوهرتز تککاناله تبدیل کنید یا آن را تقسیم کنید.
آیا Whisper Large v3 Turbo به دقت Whisper Large v3 است؟
کاملاً نه. Groq نرخ خطای کلمه 12٪ برای Turbo و 10.3٪ برای Large v3 فهرست میکند. Turbo سریعتر است و در طرحهای پولی هزینه کمتری دارد.
آیا API رایگان Whisper میتواند صدا را به انگلیسی ترجمه کند؟
FreeLLMAPI نقطه پایانی ترجمه ندارد. ابتدا صدا را رونویسی کنید، سپس متن را با یک مدل گفتگوی رایگان ترجمه کنید.
آیا SDK پایتون OpenAI با یک API رایگان Whisper کار میکند؟
بله. مقدار base_url را روی http://localhost:3001/v1 بگذارید، سپس client.audio.transcriptions.create را با model="auto" یا یک شناسه مدل Whisper فراخوانی کنید.
راهنماهای مرتبط
- API رایگان تبدیل گفتار به متن
- API تبدیل متن به گفتار رایگان
- free groq api
- free cloudflare api
- API رایگان OVH AI Endpoints
- API ترجمه رایگان با LLMها
منابع
- FreeLLMAPI README: supported endpoints (بررسیشده در 20 November 2026)
- Groq docs: Speech to text (بررسیشده در 20 November 2026)
- Cloudflare Workers AI pricing (بررسیشده در 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (بررسیشده در 20 November 2026)
- OVHcloud AI Endpoints capabilities (بررسیشده در 20 November 2026)