Beranda / Panduan / API Whisper gratis

API Whisper gratis

Whisper adalah model pengenalan suara terbuka dari OpenAI. Anda dapat menjalankannya secara gratis di Groq, Cloudflare Workers AI, dan OVH AI Endpoints, masing-masing dengan batasnya sendiri. FreeLLMAPI menempatkan host Whisper ini di balik satu endpoint yang kompatibel dengan OpenAI. Kode Anda memanggil /v1/audio/transcriptions, dan router pindah ke host berikutnya saat satu host mencapai batasnya.

Kode, nama model, dan label katalog langsung ditampilkan dalam bahasa Inggris.

Tempat Whisper gratis

Tabel ini mencantumkan semua model transkripsi gratis dalam katalog FreeLLMAPI, berdasarkan katalog langsung. Baris Whisper adalah baris dengan whisper di id model.

ModelPenyediaUnggahan maksBatas gratis
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)

Data langsung dari katalog FreeLLMAPI (versi 2026.11.19, diperiksa 2026-11-19). Batas gratis sering berubah. Katalog diperiksa setiap hari.

Batas resmi, diperiksa 20 November 2026
HostModel WhisperBatas gratis (resmi)Paling cocok untuk
GroqWhisper Large v3, Whisper Large v3 Turbo25 MB untuk setiap file pada tier gratis. Audio di bawah 10 detik dihitung sebagai 10 detikKecepatan dan akurasi
Cloudflare Workers AIWhisper Large v3 Turbo, Whisper, Whisper Tiny (hanya bahasa Inggris)10,000 neuron setiap hari. Large v3 Turbo menggunakan 46.63 neuron untuk setiap menit audioSubtitle VTT, sekitar 214 menit audio setiap hari
OVH AI EndpointsWhisper Large v3, Whisper Large v3 Turbo2 permintaan per menit untuk setiap alamat IP dan model, tanpa kunciFallback tanpa pendaftaran

Tambahkan kunci Groq dan Cloudflare sekaligus. Saat Groq mengirim error 429, router mengirim file yang sama ke host berikutnya dalam rantai. OVH adalah fallback terakhir yang baik, karena batas anonimnya rendah. Batas gratis setiap host terpisah, sehingga setiap kunci tambahan menambah kapasitas.

Whisper Large v3 atau Large v3 Turbo?

Groq mempublikasikan word error rate (WER) untuk kedua model. WER yang lebih rendah berarti lebih sedikit kata yang salah.

ModelWER di GroqTerjemahan di GroqPilih model ini saat
whisper-large-v310.3%YaAkurasi paling penting, misalnya nama, angka, dan aksen
whisper-large-v3-turbo12%TidakAnda membutuhkan hasil cepat untuk ucapan yang jelas

Whisper Tiny English di Cloudflare berukuran kecil dan hanya mendukung bahasa Inggris. Gunakan hanya untuk audio bahasa Inggris yang pendek dan jelas. Kedua model besar bersifat multibahasa.

Terjemahan: dokumentasi FreeLLMAPI hanya mencantumkan /v1/audio/transcriptions. Tidak ada endpoint /v1/audio/translations. Untuk mendapatkan bahasa Inggris dari bahasa lain, transkripsikan terlebih dahulu, lalu terjemahkan teksnya dengan model chat.

Langkah 1: Pasang FreeLLMAPI dan tambahkan kunci

FreeLLMAPI bersifat sumber terbuka. Ia berjalan di komputer Anda dengan Docker. Kunci penyedia Anda tetap berada di komputer Anda.

Pasang (macOS atau Linux)

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

Buka dasbor di http://localhost:3001. Tambahkan kunci Groq dan kunci Cloudflare di halaman Keys. Kunci Cloudflare memiliki bentuk account_id:token. Whisper OVH tidak memerlukan kunci. Salin kunci terpadu Anda dari halaman yang sama.

Langkah 2: Transkripsikan dengan Whisper

Kirim file sebagai multipart/form-data. Gunakan model=auto atau model=whisper-1 agar router yang memilih. Untuk mengunci model, kirim id-nya. Id whisper-large-v3-turbo cocok dengan baris di Groq dan OVH, sehingga failover tetap pada model yang sama.

curl: kunci 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: subtitle dari 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)

Rekaman panjang: kompres dan pisahkan

FreeLLMAPI dan tier gratis Groq sama-sama menerima paling banyak 25 MB dalam satu unggahan. Groq menyatakan bahwa Whisper menurunkan sampling audio menjadi 16 kHz mono. Lakukan ini sebelum unggah agar file jauh lebih kecil. Untuk rekaman panjang, pisahkan audio menjadi beberapa bagian.

ffmpeg: bagian FLAC 16 kHz mono berdurasi 10 menit

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

Python: transkripsikan bagian-bagian secara berurutan

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))

Sebuah kata dapat terpotong di batas antara dua bagian. Groq menyarankan tumpang tindih singkat antarbagian untuk hasil yang tepat. Periksa ukuran setiap bagian sebelum unggah, karena sebagian audio tidak terkompresi dengan baik.

Dapatkan transkrip Whisper yang lebih baik

  • Atur bahasa: kirim language dengan kode seperti en, de, atau ur. Dengan begitu, Whisper tidak perlu mendeteksi bahasa.
  • Gunakan prompt: kirim nama, nama produk, dan istilah khusus di prompt. Whisper menggunakannya sebagai konteks untuk ejaan.
  • Biarkan temperature di 0: nilai yang lebih tinggi menghasilkan teks yang lebih bervariasi, yang jarang berguna untuk transkrip.
  • Bersihkan audio: hapus musik dan jeda panjang. Rekam ucapan dekat dengan mikrofon.
  • Dapatkan timestamp: gunakan response_format=verbose_json. Saat penyedia mengembalikan segmen, setiap segmen memiliki waktu mulai dan waktu selesai. Jika tidak ada segmen, Anda mendapat JSON biasa yang hanya berisi teks.
  • Periksa host: header respons X-Provider dan X-Model menampilkan host dan model yang membuat transkrip. Catat keduanya saat Anda membandingkan kualitas.

Pemecahan masalah

MasalahPenyebabSolusi
Error 413 file_too_largeUnggahan lebih besar dari 25 MBKonversi ke FLAC 16 kHz mono, atau pisahkan file
Kata berulang, atau teks muncul saat heningWhisper dapat menulis teks yang tidak diucapkan pada bagian hening yang panjangPotong jeda panjang sebelum unggah
Nama dieja salahWhisper tidak mengenal nama tersebutKirim nama di field prompt
Error 429 dari OVHBatas anonim adalah 2 permintaan per menitTambahkan kunci Groq atau Cloudflare
Error 400 pada srtTidak ada penyedia yang menghasilkan SRTGunakan vtt dengan model Cloudflare Whisper
Gunakan semua ini melalui satu kunci. FreeLLMAPI adalah router sumber terbuka yang Anda hosting sendiri. Router ini menempatkan semua paket gratis ini di balik satu endpoint yang kompatibel dengan OpenAI, dan beralih ke penyedia lain saat batas permintaan tercapai. Lihat katalog atau mulai.

Pertanyaan yang sering diajukan

Apakah ada API Whisper gratis?

Ada. Groq, Cloudflare Workers AI, dan OVH AI Endpoints menjalankan Whisper secara gratis dengan batas. FreeLLMAPI menempatkannya di balik satu endpoint yang kompatibel dengan OpenAI, dengan failover.

Berapa batas ukuran file pada API Whisper gratis?

Groq mengizinkan 25 MB untuk setiap file pada tier gratisnya, dan FreeLLMAPI menerima unggahan hingga 25 MB. Konversi audio ke 16 kHz mono atau pisahkan untuk rekaman yang lebih panjang.

Apakah Whisper Large v3 Turbo seakurat Whisper Large v3?

Tidak sepenuhnya. Groq mencantumkan word error rate 12% untuk Turbo dan 10.3% untuk Large v3. Turbo lebih cepat dan lebih murah pada paket berbayar.

Bisakah API Whisper gratis menerjemahkan audio ke bahasa Inggris?

FreeLLMAPI tidak memiliki endpoint terjemahan. Transkripsikan audio terlebih dahulu, lalu terjemahkan teksnya dengan model chat gratis.

Apakah OpenAI Python SDK berfungsi dengan API Whisper gratis?

Ya. Atur base_url ke http://localhost:3001/v1, lalu panggil client.audio.transcriptions.create dengan model="auto" atau id model Whisper.

Panduan terkait

Sumber

Semua panduan · Lihat semua model gratis