Home / Guide / API Whisper gratuita

API Whisper gratuita

Whisper è il modello open source di riconoscimento vocale di OpenAI. Puoi eseguirlo gratis su Groq, Cloudflare Workers AI e OVH AI Endpoints, ognuno con i propri limiti. FreeLLMAPI raggruppa questi host Whisper dietro un solo endpoint compatibile con OpenAI. Il tuo codice chiama /v1/audio/transcriptions, e il router passa all'host successivo quando uno raggiunge il suo limite.

Codice, nomi dei modelli ed etichette del catalogo in tempo reale sono mostrati in inglese.

Dove Whisper è gratuito

La tabella elenca tutti i modelli di trascrizione gratuiti del catalogo FreeLLMAPI, dal catalogo attivo. Le righe Whisper sono quelle con whisper nell'id del modello.

ModelloProviderCaricamento massimoLimite gratuito
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)

Dati in tempo reale dal catalogo FreeLLMAPI (versione 2026.11.19, verificato il 2026-11-19). I limiti gratuiti cambiano spesso. Il catalogo viene verificato ogni giorno.

Limiti ufficiali, verificati il 20 novembre 2026
HostModelli WhisperLimite gratuito (ufficiale)Ideale per
GroqWhisper Large v3, Whisper Large v3 Turbo25 MB per ogni file sul piano gratuito. Audio sotto 10 secondi conta come 10 secondiVelocità e precisione
Cloudflare Workers AIWhisper Large v3 Turbo, Whisper, Whisper Tiny (solo inglese)10,000 neuroni al giorno. Large v3 Turbo usa 46.63 neuroni per ogni minuto di audioSottotitoli VTT, circa 214 minuti di audio al giorno
OVH AI EndpointsWhisper Large v3, Whisper Large v3 Turbo2 richieste al minuto per ogni indirizzo IP e modello, senza chiaveFallback senza registrazione

Aggiungi insieme le chiavi di Groq e Cloudflare. Quando Groq invia un errore 429, il router invia lo stesso file all'host successivo della catena. OVH è un buon ultimo fallback, perché il suo limite anonimo è basso. I limiti gratuiti di ogni host sono separati, quindi ogni chiave in più aggiunge capacità.

Whisper Large v3 o Large v3 Turbo?

Groq pubblica un word error rate (WER) per entrambi i modelli. Un WER più basso significa meno parole sbagliate.

ModelloWER su GroqTraduzione su GroqScegli questo quando
whisper-large-v310.3%SìLa precisione conta di più, per esempio per nomi, numeri e accenti
whisper-large-v3-turbo12%NoTi servono risultati rapidi per un parlato chiaro

Whisper Tiny English su Cloudflare è piccolo e supporta solo l'inglese. Usalo solo per audio inglese breve e chiaro. Entrambi i modelli grandi sono multilingua.

Traduzione: la documentazione di FreeLLMAPI elenca solo /v1/audio/transcriptions. Non esiste un endpoint /v1/audio/translations. Per ottenere l'inglese da altre lingue, trascrivi prima, poi traduci il testo con un modello di chat.

Passo 1: installa FreeLLMAPI e aggiungi le chiavi

FreeLLMAPI è open source. Gira sul tuo computer in Docker. Le chiavi dei tuoi provider restano sul tuo computer.

Installa (macOS o Linux)

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

Apri la dashboard su http://localhost:3001. Aggiungi una chiave Groq e una chiave Cloudflare nella pagina Keys. La chiave Cloudflare ha la forma account_id:token. Whisper di OVH non richiede chiavi. Copia la tua chiave unificata dalla stessa pagina.

Passo 2: trascrivi con Whisper

Invia il file come multipart/form-data. Usa model=auto o model=whisper-1 per lasciare la scelta al router. Per fissare un modello, invia il suo id. L'id whisper-large-v3-turbo corrisponde alle righe di Groq e OVH, quindi il failover resta sullo stesso modello.

curl: fissa 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: sottotitoli da 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)

Registrazioni lunghe: comprimi e dividi

FreeLLMAPI e il piano gratuito di Groq accettano al massimo 25 MB in un solo caricamento. Groq afferma che Whisper riduce il campionamento dell'audio a 16 kHz mono. Fallo prima del caricamento, per rendere il file molto più piccolo. Per le registrazioni lunghe, dividi l'audio in parti.

ffmpeg: parti FLAC mono a 16 kHz da 10 minuti

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

Python: trascrivi le parti in ordine

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))

Una parola può essere tagliata al confine tra due parti. Groq suggerisce brevi sovrapposizioni tra le parti per risultati esatti. Controlla la dimensione di ogni parte prima del caricamento, perché alcuni audio non si comprimono bene.

Ottieni trascrizioni migliori con Whisper

  • Imposta la lingua: invia language con un codice come en, de o ur. Whisper così non deve rilevare la lingua.
  • Usa il prompt: invia nomi, nomi di prodotti e termini speciali in prompt. Whisper li usa come contesto per la grafia.
  • Mantieni la temperatura a 0: un valore più alto dà testo più vario, cosa raramente utile per le trascrizioni.
  • Pulisci l'audio: rimuovi la musica e i lunghi silenzi. Registra il parlato vicino al microfono.
  • Ottieni i timestamp: usa response_format=verbose_json. Quando il provider restituisce i segmenti, ognuno ha un orario di inizio e di fine. Se non ha segmenti, ottieni un JSON semplice con solo il testo.
  • Verifica l'host: le intestazioni di risposta X-Provider e X-Model mostrano quale host e quale modello hanno prodotto la trascrizione. Registrale quando confronti la qualità.

Risoluzione dei problemi

ProblemaCausaSoluzione
Errore 413 file_too_largeIl caricamento supera i 25 MBConverti in FLAC mono a 16 kHz, oppure dividi il file
Le parole si ripetono, oppure compare del testo nel silenzioWhisper può scrivere testo non pronunciato nelle parti lunghe e silenzioseTaglia i lunghi silenzi prima del caricamento
I nomi sono scritti maleWhisper non conosce i nomiInvia i nomi nel campo prompt
Errore 429 da OVHIl limite anonimo è di 2 richieste al minutoAggiungi una chiave Groq o Cloudflare
Errore 400 con srtNessun provider produce SRTUsa vtt con un modello Cloudflare Whisper
Usa ognuno di questi modelli con una sola chiave. FreeLLMAPI è un router open source self-hosted che mette tutti questi piani gratuiti dietro un unico endpoint compatibile con OpenAI e passa al successivo quando uno raggiunge il limite di frequenza. Sfoglia il catalogo oppure inizia.

Domande frequenti

Esiste un'API Whisper gratuita?

Sì. Groq, Cloudflare Workers AI e OVH AI Endpoints eseguono Whisper gratis con limiti. FreeLLMAPI li raggruppa dietro un solo endpoint compatibile con OpenAI, con failover.

Qual è il limite di dimensione dei file dell'API Whisper gratuita?

Groq consente 25 MB per ogni file sul suo piano gratuito, e FreeLLMAPI accetta caricamenti fino a 25 MB. Converti l'audio a 16 kHz mono o dividilo per registrazioni più lunghe.

Whisper Large v3 Turbo è preciso quanto Whisper Large v3?

Non esattamente. Groq indica un word error rate del 12% per Turbo e del 10.3% per Large v3. Turbo è più veloce e costa meno sui piani a pagamento.

L'API Whisper gratuita può tradurre l'audio in inglese?

FreeLLMAPI non ha un endpoint di traduzione. Trascrivi prima l'audio, poi traduci il testo con un modello di chat gratuito.

L'SDK Python di OpenAI funziona con un'API Whisper gratuita?

Sì. Imposta base_url a http://localhost:3001/v1, poi chiama client.audio.transcriptions.create con model="auto" o un id di modello Whisper.

Guide correlate

Fonti

Tutte le guide · Sfoglia tutti i modelli gratuiti