خانه / راهنماها / API رایگان Whisper

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.

مدلارائه‌دهندهحداکثر حجم بارگذاریمحدودیت رایگان
Whisper Large v3 Turbo (Groq)
whisper-large-v3-turbo
Groq25 MBfree tier - 25 MB uploads
Whisper Large v3 (Groq)
whisper-large-v3
Groq25 MBfree 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
Cohere25 MBfree evaluation key - 1,000 calls/month shared
Cohere Transcribe (03-2026)
cohere-transcribe-03-2026
Cohere25 MBFree evaluation key — 1,000 calls/month shared; language defaults to English
Voxtral Mini Transcribe 2 (Mistral)
voxtral-mini-2602
Mistral25 MBRenewing 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 Endpoints25 MBfree · anonymous 2 req/min per IP
Whisper Large v3 Turbo (OVH)
whisper-large-v3-turbo
OVH AI Endpoints25 MBfree · anonymous 2 req/min per IP
Typhoon ASR Realtime
typhoon-asr-realtime
Typhoon-Ongoing free research API (shared rate limits)
Typhoon Isan ASR Realtime
typhoon-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.

محدودیت‌های رسمی، بررسی‌شده در 20 نوامبر 2026
میزبانمدل‌های Whisperمحدودیت رایگان (رسمی)بهترین کاربرد
GroqWhisper Large v3، Whisper Large v3 Turbo25 مگابایت برای هر فایل در سطح رایگان. صدای کمتر از 10 ثانیه، 10 ثانیه حساب می‌شودسرعت و دقت
Cloudflare Workers AIWhisper Large v3 Turbo، Whisper، Whisper Tiny English10٬000 نورون در هر روز. Large v3 Turbo برای هر دقیقه صدا 46.63 نورون مصرف می‌کندزیرنویس VTT، حدود 214 دقیقه صدا در هر روز
OVH AI EndpointsWhisper Large v3، Whisper Large v3 Turbo2 درخواست در دقیقه برای هر نشانی IP و مدل، بدون کلیدجایگزین 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.

مدلWER در Groqترجمه در Groqچه زمانی انتخاب کنید
whisper-large-v310.3%بلهدقت بیشترین اهمیت را دارد، برای مثال نام‌ها، عددها و لهجه‌ها
whisper-large-v3-turbo12%خیربرای 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.

ترجمه: مستندات FreeLLMAPI فقط /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 | bash

داشبورد 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_json

پایتون: 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.flac

پایتون: 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: language را با یک کد مثل en، de یا ur بفرستید. آنگاه Whisper لازم نیست زبان را تشخیص دهد.
  • از prompt استفاده کنید: نام‌ها، نام محصولات و اصطلاحات خاص را در prompt بفرستید. 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_json استفاده 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-Provider و X-Model نشان می‌دهند که کدام میزبان و مدل رونویسی را انجام داد. وقتی کیفیت را مقایسه می‌کنید، آن‌ها را ثبت کنید.

عیب‌یابی

مشکلعلتراه‌حل
خطای 413 file_too_largeبارگذاری بزرگ‌تر از 25 مگابایت استبه 16 کیلوهرتز تک‌کاناله FLAC تبدیل کنید، یا فایل را تقسیم کنید
کلمات تکرار می‌شوند، یا متن در سکوت ظاهر می‌شودWhisper ممکن است در بخش‌های بی‌صدای طولانی متنی بنویسد که گفته نشده استسکوت‌های طولانی را پیش از بارگذاری برش دهید
نام‌ها غلط املا می‌شوندWhisper نام‌ها را نمی‌شناسدنام‌ها را در فیلد prompt بفرستید
خطای 429 از OVHمحدودیت ناشناس 2 درخواست در دقیقه استیک کلید Groq یا Cloudflare اضافه کنید
خطای 400 روی srtهیچ ارائه‌دهنده‌ای SRT تولید نمی‌کنداز vtt با یک مدل Cloudflare Whisper استفاده کنید
هر یک از این‌ها را با یک کلید استفاده کنید. FreeLLMAPI یک روتر متن‌باز و میزبانی‌شده روی سرور خودتان است. این روتر همه این سطوح رایگان را پشت یک نقطه پایانی سازگار با OpenAI قرار می‌دهد و وقتی یک سرویس به محدودیت نرخ برسد، به سرویس بعدی منتقل می‌شود. مرور کاتالوگ یا اجرای زنده.

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

منابع

همه راهنماها · مرور همه مدل‌های رایگان