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.
| Model | Penyedia | Unggahan maks | Batas gratis |
|---|---|---|---|
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) |
Data langsung dari katalog FreeLLMAPI (versi 2026.11.19, diperiksa 2026-11-19). Batas gratis sering berubah. Katalog diperiksa setiap hari.
| Host | Model Whisper | Batas gratis (resmi) | Paling cocok untuk |
|---|---|---|---|
| Groq | Whisper Large v3, Whisper Large v3 Turbo | 25 MB untuk setiap file pada tier gratis. Audio di bawah 10 detik dihitung sebagai 10 detik | Kecepatan dan akurasi |
| Cloudflare Workers AI | Whisper Large v3 Turbo, Whisper, Whisper Tiny (hanya bahasa Inggris) | 10,000 neuron setiap hari. Large v3 Turbo menggunakan 46.63 neuron untuk setiap menit audio | Subtitle VTT, sekitar 214 menit audio setiap hari |
| OVH AI Endpoints | Whisper Large v3, Whisper Large v3 Turbo | 2 permintaan per menit untuk setiap alamat IP dan model, tanpa kunci | Fallback 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.
| Model | WER di Groq | Terjemahan di Groq | Pilih model ini saat |
|---|---|---|---|
whisper-large-v3 | 10.3% | Ya | Akurasi paling penting, misalnya nama, angka, dan aksen |
whisper-large-v3-turbo | 12% | Tidak | Anda 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.
/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 | bashBuka 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_jsonPython: 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.flacPython: 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
languagedengan kode sepertien,de, atauur. 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-ProviderdanX-Modelmenampilkan host dan model yang membuat transkrip. Catat keduanya saat Anda membandingkan kualitas.
Pemecahan masalah
| Masalah | Penyebab | Solusi |
|---|---|---|
Error 413 file_too_large | Unggahan lebih besar dari 25 MB | Konversi ke FLAC 16 kHz mono, atau pisahkan file |
| Kata berulang, atau teks muncul saat hening | Whisper dapat menulis teks yang tidak diucapkan pada bagian hening yang panjang | Potong jeda panjang sebelum unggah |
| Nama dieja salah | Whisper tidak mengenal nama tersebut | Kirim nama di field prompt |
| Error 429 dari OVH | Batas anonim adalah 2 permintaan per menit | Tambahkan kunci Groq atau Cloudflare |
Error 400 pada srt | Tidak ada penyedia yang menghasilkan SRT | Gunakan vtt dengan model Cloudflare Whisper |
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
- Free speech to text API
- Free text to speech API
- free groq api
- free cloudflare api
- OVH AI Endpoints free API
- Free translation API dengan LLM
Sumber
- FreeLLMAPI README: supported endpoints (diperiksa 20 November 2026)
- Groq docs: Speech to text (diperiksa 20 November 2026)
- Cloudflare Workers AI pricing (diperiksa 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (diperiksa 20 November 2026)
- OVHcloud AI Endpoints capabilities (diperiksa 20 November 2026)