મફત Whisper API

Whisper એ OpenAI નું open speech recognition મૉડેલ છે. તમે તેને Groq, Cloudflare Workers AI અને OVH AI Endpoints પર મફત ચલાવી શકો છો, દરેકની પોતાની મર્યાદાઓ સાથે. FreeLLMAPI આ Whisper hosts ને એક OpenAI-compatible endpoint પાછળ મૂકે છે. તમારો કોડ /v1/audio/transcriptions કૉલ કરે છે, અને એક host મર્યાદા પર પહોંચે ત્યારે રાઉટર આગલા host પર જાય છે.

કોડ, મૉડેલ નામ અને લાઇવ કૅટલૉગ લેબલ અંગ્રેજીમાં બતાવવામાં આવે છે.

Whisper ક્યાં મફત છે

કોષ્ટક લાઇવ catalog માંથી FreeLLMAPI catalog ના બધા મફત transcription મૉડેલો યાદી આપે છે. Whisper પંક્તિઓ એ છે જેના model id માં whisper છે.

મૉડેલપ્રદાતામહત્તમ અપલોડમફત મર્યાદા
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)

FreeLLMAPI કૅટલૉગનો લાઇવ ડેટા (સંસ્કરણ 2026.11.19, તપાસ્યું 2026-11-19). મફત મર્યાદાઓ વારંવાર બદલાય છે. કૅટલૉગ દરરોજ તપાસવામાં આવે છે.

સત્તાવાર મર્યાદાઓ, 20 નવેમ્બર 2026 ના રોજ ચકાસી
HostWhisper મૉડેલોમફત મર્યાદા (સત્તાવાર)શ્રેષ્ઠ ઉપયોગ
GroqWhisper Large v3, Whisper Large v3 Turboમફત ટિયર પર દરેક ફાઇલ માટે 25 MB. 10 સેકન્ડથી ઓછું audio 10 સેકન્ડ ગણાય છેગતિ અને ચોકસાઈ
Cloudflare Workers AIWhisper Large v3 Turbo, Whisper અને Whisper Tiny Englishદરરોજ 10,000 neurons. Large v3 Turbo દરેક audio મિનિટ માટે 46.63 neurons વાપરે છેVTT subtitles, દરરોજ લગભગ 214 audio મિનિટ
OVH AI EndpointsWhisper Large v3, Whisper Large v3 Turboદરેક IP address અને મૉડેલ દીઠ પ્રતિ મિનિટ 2 વિનંતીઓ, key વિનાસાઇન-અપ વિના fallback

Groq અને Cloudflare ની keys સાથે ઉમેરો. જ્યારે Groq 429 ભૂલ મોકલે, ત્યારે રાઉટર એ જ ફાઇલ chain ના આગલા host પર મોકલે છે. OVH એક સારો છેલ્લો fallback છે, કારણ કે તેની anonymous મર્યાદા ઓછી છે. દરેક host ની મફત મર્યાદાઓ અલગ છે, તેથી દરેક વધારાની key ક્ષમતા ઉમેરે છે.

Whisper Large v3 કે Large v3 Turbo?

Groq બંને મૉડેલો માટે word error rate (WER) પ્રકાશિત કરે છે. ઓછો WER એટલે ઓછા ખોટા શબ્દો.

મૉડેલGroq પર WERGroq પર translationક્યારે પસંદ કરો
whisper-large-v310.3%હાચોકસાઈ સૌથી વધુ મહત્ત્વની હોય, ઉદાહરણ તરીકે નામો, સંખ્યાઓ અને ઉચ્ચારો
whisper-large-v3-turbo12%નાસ્પષ્ટ બોલચાલ માટે ઝડપી પરિણામોની જરૂર હોય

Cloudflare પરનું Whisper Tiny English નાનું છે અને માત્ર અંગ્રેજી સપોર્ટ કરે છે. તેનો ઉપયોગ ફક્ત ટૂંકા, સ્પષ્ટ અંગ્રેજી audio માટે કરો. બંને મોટા મૉડેલો બહુભાષી છે.

Translation: FreeLLMAPI દસ્તાવેજો માત્ર /v1/audio/transcriptions યાદી આપે છે. /v1/audio/translations endpoint નથી. બીજી ભાષાઓમાંથી અંગ્રેજી મેળવવા માટે, પહેલાં transcribe કરો, પછી chat મૉડેલ વડે લખાણનો અનુવાદ કરો.

પગલું 1: FreeLLMAPI ઇન્સ્ટૉલ કરો અને keys ઉમેરો

FreeLLMAPI open source છે. તે Docker માં તમારા computer પર ચાલે છે. તમારી provider keys તમારા computer પર રહે છે.

ઇન્સ્ટૉલ કરો (macOS અથવા Linux)

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

dashboard http://localhost:3001 પર ખોલો. Keys પૃષ્ઠ પર Groq key અને Cloudflare key ઉમેરો. Cloudflare key નો આકાર account_id:token છે. OVH Whisper ને key જોઈતી નથી. એ જ પૃષ્ઠ પરથી તમારી unified key કૉપિ કરો.

પગલું 2: Whisper વડે transcribe કરો

ફાઇલ multipart/form-data તરીકે મોકલો. રાઉટરને પસંદ કરવા દેવા model=auto અથવા model=whisper-1 વાપરો. એક મૉડેલ પિન કરવા, તેનો id મોકલો. id whisper-large-v3-turbo Groq અને OVH ની પંક્તિઓ સાથે મેળ ખાય છે, તેથી failover એ જ મૉડેલ પર રહે છે.

curl: Whisper Large v3 Turbo પિન કરો

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: Cloudflare Whisper માંથી subtitles

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)

લાંબા રેકૉર્ડિંગ: સંકુચિત કરો અને વિભાજિત કરો

FreeLLMAPI અને Groq નું મફત ટિયર બંને એક upload માં વધુમાં વધુ 25 MB સ્વીકારે છે. Groq કહે છે કે Whisper audio ને 16 kHz mono સુધી ઘટાડે છે. ફાઇલ ઘણી નાની કરવા upload પહેલાં આ કરો. લાંબા રેકૉર્ડિંગ માટે, audio ને ભાગોમાં વિભાજિત કરો.

ffmpeg: 10 મિનિટના 16 kHz mono FLAC ભાગો

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

Python: ભાગોને ક્રમમાં transcribe કરો

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))

એક શબ્દ બે ભાગોની સરહદે કપાઈ શકે છે. Groq ચોક્કસ પરિણામો માટે ભાગો વચ્ચે ટૂંકા overlap સૂચવે છે. upload પહેલાં દરેક ભાગનું કદ તપાસો, કારણ કે કેટલાક audio સારી રીતે સંકુચિત થતા નથી.

વધુ સારા Whisper transcripts મેળવો

  • ભાષા સેટ કરો: language મોકલો, જેમાં en, de અથવા ur જેવો કોડ હોય. પછી Whisper ને ભાષા શોધવાની જરૂર નથી.
  • prompt વાપરો: નામો, ઉત્પાદન નામો અને ખાસ શબ્દો prompt માં મોકલો. Whisper તેમને જોડણી માટે context તરીકે વાપરે છે.
  • temperature 0 રાખો: ઊંચું મૂલ્ય વધુ અલગ લખાણ આપે છે, જે transcripts માટે ભાગ્યે જ ઉપયોગી છે.
  • audio સાફ કરો: સંગીત અને લાંબી મૌનતા કાઢી નાખો. માઇક્રોફોનની નજીક બોલીને રેકૉર્ડ કરો.
  • timestamps મેળવો: response_format=verbose_json વાપરો. જ્યારે provider segments પરત કરે, ત્યારે દરેકમાં શરૂઆત અને અંતનો સમય હોય છે. જો તેમાં segments ન હોય, તો તમને ફક્ત લખાણ ધરાવતું સાદું JSON મળે છે.
  • host તપાસો: X-Provider અને X-Model પ્રતિસાદ headers બતાવે છે કે કયા host અને મૉડેલે transcript બનાવ્યું. ગુણવત્તાની સરખામણી કરો ત્યારે તેમને લૉગ કરો.

સમસ્યાનિવારણ

સમસ્યાકારણઉકેલ
ભૂલ 413 file_too_largeupload 25 MB કરતાં મોટો છે16 kHz mono FLAC માં બદલો, અથવા ફાઇલ વિભાજિત કરો
શબ્દો પુનરાવર્તિત થાય છે, અથવા મૌનમાં લખાણ દેખાય છેલાંબા મૌન ભાગોમાં Whisper એવું લખાણ લખી શકે જે બોલાયું ન હોયupload પહેલાં લાંબી મૌનતા કાપો
નામોની જોડણી ખોટી છેWhisper નામો જાણતું નથીprompt ફીલ્ડમાં નામો મોકલો
OVH તરફથી ભૂલ 429anonymous મર્યાદા પ્રતિ મિનિટ 2 વિનંતીઓ છેGroq અથવા Cloudflare key ઉમેરો
srt પર ભૂલ 400કોઈ provider SRT બનાવતો નથીCloudflare Whisper મૉડેલ સાથે vtt વાપરો
આ બધાનો ઉપયોગ એક જ કી દ્વારા કરો. FreeLLMAPI એક ઓપન-સોર્સ, સ્વ-હોસ્ટેડ રાઉટર છે. તે આ બધા મફત ટાયરને એક OpenAI સાથે સુસંગત એન્ડપોઇન્ટ પાછળ મૂકે છે અને જ્યારે એક મૉડેલની રેટ મર્યાદા આવે ત્યારે બીજા પર આપમેળે સ્વિચ કરે છે. કૅટલૉગ બ્રાઉઝ કરો અથવા લાઇવ જાઓ.

વારંવાર પૂછાતા પ્રશ્નો

શું મફત Whisper API છે?

હા. Groq, Cloudflare Workers AI અને OVH AI Endpoints મર્યાદાઓ સાથે Whisper મફત ચલાવે છે. FreeLLMAPI તેમને failover સાથે એક OpenAI-compatible endpoint પાછળ મૂકે છે.

મફત Whisper API ની ફાઇલ કદ મર્યાદા કેટલી છે?

Groq તેના મફત ટિયર પર દરેક ફાઇલ માટે 25 MB આપે છે, અને FreeLLMAPI 25 MB સુધીના uploads સ્વીકારે છે. લાંબા રેકૉર્ડિંગ માટે audio ને 16 kHz mono માં બદલો અથવા તેને વિભાજિત કરો.

શું Whisper Large v3 Turbo, Whisper Large v3 જેટલું ચોક્કસ છે?

બરાબર નહીં. Groq Turbo માટે 12% અને Large v3 માટે 10.3% word error rate દર્શાવે છે. Turbo ઝડપી છે અને ચૂકવેલા પ્લાન પર ઓછો ખર્ચ થાય છે.

શું મફત Whisper API audio ને અંગ્રેજીમાં અનુવાદ કરી શકે?

FreeLLMAPI પાસે translation endpoint નથી. પહેલાં audio ને transcribe કરો, પછી મફત chat મૉડેલ વડે લખાણનો અનુવાદ કરો.

શું OpenAI Python SDK મફત Whisper API સાથે કામ કરે છે?

હા. base_url ને http://localhost:3001/v1 પર સેટ કરો, પછી model="auto" અથવા Whisper મૉડેલ id સાથે client.audio.transcriptions.create કૉલ કરો.

સંબંધિત માર્ગદર્શિકાઓ

સ્રોતો

બધી માર્ગદર્શિકાઓ · બધા મફત મૉડેલ જુઓ