Accueil / Guides / API Whisper gratuite

API Whisper gratuite

Whisper est le modèle ouvert de reconnaissance vocale d'OpenAI. Vous pouvez le faire tourner gratuitement sur Groq, Cloudflare Workers AI et OVH AI Endpoints, chacun avec ses propres limites. FreeLLMAPI place ces hébergeurs Whisper derrière un seul endpoint compatible OpenAI. Votre code appelle /v1/audio/transcriptions, et le routeur passe à l'hébergeur suivant quand l'un atteint sa limite.

Le code, les noms de modèles et les libellés du catalogue en direct sont affichés en anglais.

Où Whisper est gratuit

Le tableau liste tous les modèles de transcription gratuits du catalogue FreeLLMAPI, à partir du catalogue en direct. Les lignes Whisper sont celles dont l'identifiant de modèle contient whisper.

ModèleFournisseurEnvoi maxLimite gratuite
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)

Données en direct du catalogue FreeLLMAPI (version 2026.11.19, vérifié le 2026-11-19). Les limites gratuites changent souvent. Le catalogue est vérifié chaque jour.

Limites officielles, vérifiées le 20 novembre 2026
HébergeurModèles WhisperLimite gratuite (officielle)Idéal pour
GroqWhisper Large v3, Whisper Large v3 Turbo25 Mo par fichier dans l'offre gratuite. Un audio de moins de 10 secondes compte pour 10 secondesVitesse et précision
Cloudflare Workers AIWhisper Large v3 Turbo, Whisper, Whisper Tiny English (anglais uniquement)10,000 neurones par jour. Large v3 Turbo utilise 46.63 neurones par minute d'audioSous-titres VTT, environ 214 minutes d'audio par jour
OVH AI EndpointsWhisper Large v3, Whisper Large v3 Turbo2 requêtes par minute pour chaque adresse IP et modèle, sans cléSolution de repli sans inscription

Ajoutez ensemble des clés Groq et Cloudflare. Quand Groq renvoie une erreur 429, le routeur envoie le même fichier à l'hébergeur suivant de la chaîne. OVH est un bon dernier recours, car sa limite anonyme est basse. Les limites gratuites de chaque hébergeur sont séparées, chaque clé supplémentaire ajoute donc de la capacité.

Whisper Large v3 ou Large v3 Turbo ?

Groq publie un taux d'erreur de mots (WER) pour les deux modèles. Un WER plus bas signifie moins de mots erronés.

ModèleWER sur GroqTraduction sur GroqChoisissez-le quand
whisper-large-v310.3%OuiLa précision compte le plus, par exemple pour les noms, les nombres et les accents
whisper-large-v3-turbo12%NonVous avez besoin de résultats rapides pour une parole claire

Whisper Tiny English sur Cloudflare est petit et ne prend en charge que l'anglais. Utilisez-le seulement pour un audio anglais court et clair. Les deux grands modèles sont multilingues.

Traduction : la documentation de FreeLLMAPI ne liste que /v1/audio/transcriptions. Il n'existe pas d'endpoint /v1/audio/translations. Pour obtenir l'anglais à partir d'autres langues, transcrivez d'abord, puis traduisez le texte avec un modèle de chat.

Étape 1 : installer FreeLLMAPI et ajouter des clés

FreeLLMAPI est open source. Il tourne sur votre ordinateur dans Docker. Vos clés de fournisseurs restent sur votre ordinateur.

Installer (macOS ou Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

Ouvrez le tableau de bord à l'adresse http://localhost:3001. Ajoutez une clé Groq et une clé Cloudflare sur la page Keys. La clé Cloudflare a la forme account_id:token. Whisper sur OVH ne demande aucune clé. Copiez votre clé unifiée depuis la même page.

Étape 2 : transcrire avec Whisper

Envoyez le fichier en multipart/form-data. Utilisez model=auto ou model=whisper-1 pour laisser le routeur choisir. Pour fixer un modèle, envoyez son identifiant. L'identifiant whisper-large-v3-turbo correspond aux lignes de Groq et d'OVH, le basculement reste donc sur le même modèle.

curl : fixer 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

Python : sous-titres avec 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)

Enregistrements longs : compresser et découper

FreeLLMAPI et l'offre gratuite de Groq acceptent au maximum 25 Mo en un seul envoi. Groq indique que Whisper réduit l'audio à 16 kHz en mono. Faites-le avant l'envoi pour rendre le fichier beaucoup plus petit. Pour les longs enregistrements, découpez l'audio en parties.

ffmpeg : parties FLAC de 10 minutes, 16 kHz en mono

ffmpeg -i podcast.mp3 -ar 16000 -ac 1 -c:a flac -f segment -segment_time 600 part%03d.flac

Python : transcrire les parties dans l'ordre

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))

Un mot peut être coupé à la frontière entre deux parties. Groq suggère de courts chevauchements entre les parties pour des résultats exacts. Vérifiez la taille de chaque partie avant l'envoi, car certains audios se compressent mal.

Obtenir de meilleures transcriptions Whisper

  • Définissez la langue : envoyez language avec un code comme en, de ou ur. Whisper n'a alors pas besoin de détecter la langue.
  • Utilisez le prompt : envoyez les noms, les noms de produits et les termes particuliers dans prompt. Whisper les utilise comme contexte pour l'orthographe.
  • Gardez temperature à 0 : une valeur plus élevée donne un texte plus varié, ce qui est rarement utile pour une transcription.
  • Nettoyez l'audio : supprimez la musique et les longs silences. Enregistrez la parole près du micro.
  • Obtenez des horodatages : utilisez response_format=verbose_json. Quand l'hébergeur renvoie des segments, chacun a une heure de début et de fin. S'il n'a pas de segments, vous obtenez un JSON simple avec le texte seul.
  • Vérifiez l'hébergeur : les en-têtes de réponse X-Provider et X-Model indiquent quel hébergeur et quel modèle ont produit la transcription. Journalisez-les quand vous comparez la qualité.

Dépannage

ProblèmeCauseSolution
Erreur 413 file_too_largeL'envoi dépasse 25 MoConvertissez en FLAC 16 kHz mono, ou découpez le fichier
Des mots se répètent, ou du texte apparaît dans le silenceWhisper peut écrire du texte qui n'a pas été prononcé dans de longues parties silencieusesCoupez les longs silences avant l'envoi
Les noms sont mal orthographiésWhisper ne connaît pas les nomsEnvoyez les noms dans le champ prompt
Erreur 429 venant d'OVHLa limite anonyme est de 2 requêtes par minuteAjoutez une clé Groq ou Cloudflare
Erreur 400 sur srtAucun fournisseur ne produit du SRTUtilisez vtt avec un modèle Cloudflare Whisper
Utilisez chacun de ces modèles avec une seule clé. FreeLLMAPI est un routeur open source auto-hébergé. Il place toutes ces offres gratuites derrière un seul point de terminaison compatible OpenAI, et bascule vers une autre offre lorsqu'une limite de débit est atteinte. Parcourir le catalogue ou passer en production.

Questions fréquentes

Existe-t-il une API Whisper gratuite ?

Oui. Groq, Cloudflare Workers AI et OVH AI Endpoints font tourner Whisper gratuitement, avec des limites. FreeLLMAPI les place derrière un seul endpoint compatible OpenAI, avec basculement.

Quelle est la limite de taille de fichier de l'API Whisper gratuite ?

Groq accepte 25 Mo par fichier dans son offre gratuite, et FreeLLMAPI accepte les envois jusqu'à 25 Mo. Convertissez l'audio en 16 kHz mono, ou découpez-le pour les enregistrements plus longs.

Whisper Large v3 Turbo est-il aussi précis que Whisper Large v3 ?

Pas tout à fait. Groq indique un taux d'erreur de mots de 12 % pour Turbo et de 10.3 % pour Large v3. Turbo est plus rapide et coûte moins cher sur les offres payantes.

L'API Whisper gratuite peut-elle traduire un audio en anglais ?

FreeLLMAPI n'a pas d'endpoint de traduction. Transcrivez d'abord l'audio, puis traduisez le texte avec un modèle de chat gratuit.

Le SDK Python d'OpenAI fonctionne-t-il avec une API Whisper gratuite ?

Oui. Définissez base_url sur http://localhost:3001/v1, puis appelez client.audio.transcriptions.create avec model="auto" ou un identifiant de modèle Whisper.

Guides associés

Sources

Tous les guides · Parcourir tous les modèles gratuits