സൗജന്യ Whisper API
Whisper OpenAI-യുടെ open speech recognition മോഡൽ ആണ്. Groq, Cloudflare Workers AI, OVH AI Endpoints എന്നിവയിൽ ഓരോന്നിനും സ്വന്തം പരിധികളോടെ ഇത് സൗജന്യമായി പ്രവർത്തിപ്പിക്കാം. FreeLLMAPI ഈ Whisper hosts-നെ ഒരു OpenAI-compatible endpoint-ന് പിന്നിൽ വെക്കുന്നു. നിങ്ങളുടെ കോഡ് /v1/audio/transcriptions വിളിക്കുന്നു, ഒരു host പരിധിയിൽ എത്തുമ്പോൾ റൂട്ടർ അടുത്ത hostലേക്ക് മാറുന്നു.
കോഡ്, മോഡൽ പേരുകളും തത്സമയ കാറ്റലോഗ് ലേബലുകളും ഇംഗ്ലീഷിൽ കാണിക്കുന്നു.
Whisper എവിടെ സൗജന്യമാണ്
തത്സമയ catalog-ൽ നിന്ന്, FreeLLMAPI catalog-ലെ എല്ലാ സൗജന്യ transcription മോഡലുകളുടെയും പട്ടിക ഇത് കാണിക്കുന്നു. model id-യിൽ whisper ഉള്ള വരികളാണ് Whisper വരികൾ.
| മോഡൽ | ദാതാവ് | പരമാവധി അപ്ലോഡ് | സൗജന്യ പരിധി |
|---|---|---|---|
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) |
FreeLLMAPI കാറ്റലോഗിൽ നിന്നുള്ള തത്സമയ ഡാറ്റ (പതിപ്പ് 2026.11.19, 2026-11-19 ൽ പരിശോധിച്ചത്). സൗജന്യ പരിധികൾ പലപ്പോഴും മാറുന്നു. കാറ്റലോഗ് എല്ലാ ദിവസവും പരിശോധിക്കുന്നു.
| Host | Whisper മോഡലുകൾ | സൗജന്യ പരിധി (ഔദ്യോഗികം) | ഏറ്റവും നല്ലത് |
|---|---|---|---|
| Groq | Whisper Large v3, Whisper Large v3 Turbo | സൗജന്യ tier-ൽ ഓരോ ഫയലിനും 25 MB. 10 സെക്കൻഡിൽ താഴെയുള്ള audio 10 സെക്കൻഡായി കണക്കാക്കുന്നു | വേഗതയും കൃത്യതയും |
| Cloudflare Workers AI | Whisper Large v3 Turbo, Whisper, Whisper Tiny ഇംഗ്ലീഷ് | ദിവസം 10,000 neurons. Large v3 Turbo ഓരോ audio മിനിറ്റിനും 46.63 neurons ഉപയോഗിക്കുന്നു | VTT subtitles, ദിവസം ഏകദേശം 214 audio മിനിറ്റ് |
| OVH AI Endpoints | Whisper Large v3, Whisper Large v3 Turbo | key ഇല്ലാതെ, ഓരോ IP വിലാസത്തിനും മോഡലിനും മിനിറ്റിൽ 2 അഭ്യർത്ഥനകൾ | sign-up ഇല്ലാതെ fallback |
Groq ഉം Cloudflare ഉം keys ഒരുമിച്ച് ചേർക്കുക. Groq 429 പിശക് അയയ്ക്കുമ്പോൾ, റൂട്ടർ അതേ ഫയൽ chain-ലെ അടുത്ത hostലേക്ക് അയയ്ക്കുന്നു. OVH നല്ലൊരു അവസാന fallback ആണ്, കാരണം അതിന്റെ അജ്ഞാത പരിധി കുറവാണ്. ഓരോ hostന്റെയും സൗജന്യ പരിധികൾ വെവ്വേറെയാണ്, അതിനാൽ ഓരോ അധിക key ശേഷി കൂട്ടുന്നു.
Whisper Large v3 ആണോ Large v3 Turbo ആണോ?
Groq രണ്ട് മോഡലുകൾക്കും word error rate (WER) പ്രസിദ്ധീകരിക്കുന്നു. കുറഞ്ഞ WER എന്നാൽ തെറ്റായ വാക്കുകൾ കുറവ് എന്നാണ്.
| മോഡൽ | Groq-ലെ WER | Groq-ലെ വിവർത്തനം | എപ്പോൾ തിരഞ്ഞെടുക്കണം |
|---|---|---|---|
whisper-large-v3 | 10.3% | അതെ | പേരുകൾ, സംഖ്യകൾ, ഉച്ചാരണങ്ങൾ പോലുള്ളവയിൽ കൃത്യതയാണ് ഏറ്റവും പ്രധാനം |
whisper-large-v3-turbo | 12% | ഇല്ല | വ്യക്തമായ സംസാരത്തിന് വേഗമുള്ള ഫലം വേണം |
Cloudflare-ലെ Whisper Tiny English ചെറുതാണ്, ഇംഗ്ലീഷ് മാത്രം പിന്തുണയ്ക്കുന്നു. ചെറുതും വ്യക്തവുമായ ഇംഗ്ലീഷ് audio-യ്ക്ക് മാത്രം ഇത് ഉപയോഗിക്കുക. രണ്ട് വലിയ മോഡലുകളും ബഹുഭാഷയാണ്.
/v1/audio/transcriptions മാത്രമേ പട്ടികപ്പെടുത്തുന്നുള്ളൂ. /v1/audio/translations endpoint ഇല്ല. മറ്റ് ഭാഷകളിൽ നിന്ന് ഇംഗ്ലീഷ് ലഭിക്കാൻ, ആദ്യം transcribe ചെയ്യുക, തുടർന്ന് ഒരു chat മോഡൽ ഉപയോഗിച്ച് ടെക്സ്റ്റ് വിവർത്തനം ചെയ്യുക.ഘട്ടം 1: FreeLLMAPI ഇൻസ്റ്റാൾ ചെയ്ത് keys ചേർക്കുക
FreeLLMAPI open source ആണ്. ഇത് നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ Docker-ൽ പ്രവർത്തിക്കുന്നു. നിങ്ങളുടെ provider keys നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ തന്നെ തുടരുന്നു.
ഇൻസ്റ്റാൾ ചെയ്യുക (macOS അല്ലെങ്കിൽ Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001-ൽ dashboard തുറക്കുക. Keys പേജിൽ ഒരു Groq key ഉം ഒരു Cloudflare key ഉം ചേർക്കുക. Cloudflare key-ന്റെ രൂപം account_id:token ആണ്. OVH Whisper-ന് key ആവശ്യമില്ല. അതേ പേജിൽ നിന്ന് നിങ്ങളുടെ ഏകീകൃത key പകർത്തുക.
ഘട്ടം 2: Whisper ഉപയോഗിച്ച് transcribe ചെയ്യുക
ഫയൽ multipart/form-data ആയി അയയ്ക്കുക. റൂട്ടറിനെ തിരഞ്ഞെടുക്കാൻ model=auto അല്ലെങ്കിൽ model=whisper-1 ഉപയോഗിക്കുക. ഒരു മോഡൽ ഉറപ്പിക്കാൻ, അതിന്റെ id അയയ്ക്കുക. whisper-large-v3-turbo id Groq-ലെയും OVH-ലെയും വരികളുമായി പൊരുത്തപ്പെടുന്നു, അതിനാൽ failover അതേ മോഡലിൽ തന്നെ നിൽക്കുന്നു.
curl: Whisper Large v3 Turbo ഉറപ്പിക്കുക
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: Cloudflare Whisper-ൽ നിന്ന് 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)നീണ്ട റെക്കോർഡിംഗുകൾ: കംപ്രസ് ചെയ്യുകയും വിഭജിക്കുകയും ചെയ്യുക
FreeLLMAPI ഉം Groq സൗജന്യ tier ഉം ഒരു അപ്ലോഡിൽ പരമാവധി 25 MB മാത്രമേ സ്വീകരിക്കൂ. Whisper audio-യെ 16 kHz mono ആയി downsample ചെയ്യുന്നു എന്ന് Groq പറയുന്നു. ഫയൽ വളരെ ചെറുതാക്കാൻ അപ്ലോഡിന് മുമ്പ് ഇത് ചെയ്യുക. നീണ്ട റെക്കോർഡിംഗുകൾക്ക്, audio ഭാഗങ്ങളായി വിഭജിക്കുക.
ffmpeg: 10 മിനിറ്റ് വീതമുള്ള 16 kHz mono FLAC ഭാഗങ്ങൾ
ffmpeg -i podcast.mp3 -ar 16000 -ac 1 -c:a flac -f segment -segment_time 600 part%03d.flacPython: ഭാഗങ്ങൾ ക്രമത്തിൽ transcribe ചെയ്യുക
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))രണ്ട് ഭാഗങ്ങളുടെ അതിർത്തിയിൽ ഒരു വാക്ക് മുറിഞ്ഞേക്കാം. കൃത്യമായ ഫലങ്ങൾക്ക് ഭാഗങ്ങൾക്കിടയിൽ ചെറിയ overlap ചേർക്കാൻ Groq നിർദ്ദേശിക്കുന്നു. ചില audio നന്നായി കംപ്രസ് ആകാത്തതിനാൽ, അപ്ലോഡിന് മുമ്പ് ഓരോ ഭാഗത്തിന്റെയും വലുപ്പം പരിശോധിക്കുക.
മെച്ചപ്പെട്ട Whisper ട്രാൻസ്ക്രിപ്റ്റുകൾ നേടുക
- ഭാഷ സജ്ജമാക്കുക:
languageഒരു കോഡിനൊപ്പം അയയ്ക്കുക, ഉദാഹരണത്തിന്en,deഅല്ലെങ്കിൽur. അപ്പോൾ Whisper ഭാഷ കണ്ടെത്തേണ്ടതില്ല. - prompt ഉപയോഗിക്കുക: പേരുകൾ, ഉൽപ്പന്ന നാമങ്ങൾ, പ്രത്യേക പദങ്ങൾ എന്നിവ
prompt-ൽ അയയ്ക്കുക. spelling-ന് Whisper അവ context ആയി ഉപയോഗിക്കുന്നു. - temperature 0-ൽ നിർത്തുക: ഉയർന്ന മൂല്യം കൂടുതൽ വൈവിധ്യമുള്ള ടെക്സ്റ്റ് നൽകുന്നു, ഇത് ട്രാൻസ്ക്രിപ്റ്റുകൾക്ക് അപൂർവമായേ ഉപയോഗപ്രദമാകൂ.
- audio വൃത്തിയാക്കുക: സംഗീതവും നീണ്ട നിശ്ശബ്ദതയും നീക്കം ചെയ്യുക. മൈക്രോഫോണിനോട് അടുത്ത് സംസാരം റെക്കോർഡ് ചെയ്യുക.
- timestamps നേടുക:
response_format=verbose_jsonഉപയോഗിക്കുക. provider segments നൽകുമ്പോൾ, ഓരോന്നിനും ആരംഭ, അവസാന സമയം ഉണ്ടാകും. segments ഇല്ലെങ്കിൽ, ടെക്സ്റ്റ് മാത്രമുള്ള സാധാരണ JSON ലഭിക്കും. - host പരിശോധിക്കുക:
X-Provider,X-Modelresponse headers ഏത് host-ഉം മോഡലും ട്രാൻസ്ക്രിപ്റ്റ് ഉണ്ടാക്കി എന്ന് കാണിക്കുന്നു. ഗുണനിലവാരം താരതമ്യം ചെയ്യുമ്പോൾ അവ രേഖപ്പെടുത്തുക.
പ്രശ്നപരിഹാരം
| പ്രശ്നം | കാരണം | പരിഹാരം |
|---|---|---|
പിശക് 413 file_too_large | അപ്ലോഡ് 25 MB-യേക്കാൾ വലുതാണ് | 16 kHz mono FLAC ആയി മാറ്റുക, അല്ലെങ്കിൽ ഫയൽ വിഭജിക്കുക |
| വാക്കുകൾ ആവർത്തിക്കുന്നു, അല്ലെങ്കിൽ നിശ്ശബ്ദതയിൽ ടെക്സ്റ്റ് വരുന്നു | നീണ്ട നിശ്ശബ്ദ ഭാഗങ്ങളിൽ പറയാത്ത ടെക്സ്റ്റ് Whisper എഴുതിയേക്കാം | അപ്ലോഡിന് മുമ്പ് നീണ്ട നിശ്ശബ്ദത മുറിക്കുക |
| പേരുകൾ തെറ്റായി എഴുതിയിരിക്കുന്നു | Whisper ആ പേരുകൾ അറിയില്ല | prompt ഫീൽഡിൽ പേരുകൾ അയയ്ക്കുക |
| OVH-ൽ നിന്ന് പിശക് 429 | അജ്ഞാത പരിധി മിനിറ്റിൽ 2 അഭ്യർത്ഥനകളാണ് | ഒരു Groq അല്ലെങ്കിൽ Cloudflare key ചേർക്കുക |
srt-ൽ പിശക് 400 | ഒരു provider-ും SRT ഉണ്ടാക്കുന്നില്ല | Cloudflare Whisper മോഡലിനൊപ്പം vtt ഉപയോഗിക്കുക |
പതിവ് ചോദ്യങ്ങൾ
സൗജന്യ Whisper API ഉണ്ടോ?
ഉണ്ട്. Groq, Cloudflare Workers AI, OVH AI Endpoints എന്നിവ പരിധികളോടെ Whisper സൗജന്യമായി പ്രവർത്തിപ്പിക്കുന്നു. FreeLLMAPI അവയെ failover-ഓടെ ഒരു OpenAI-compatible endpoint-ന് പിന്നിൽ വെക്കുന്നു.
സൗജന്യ Whisper API-യുടെ ഫയൽ വലുപ്പ പരിധി എന്താണ്?
Groq സൗജന്യ tier-ൽ ഓരോ ഫയലിനും 25 MB അനുവദിക്കുന്നു, FreeLLMAPI 25 MB വരെയുള്ള അപ്ലോഡുകൾ സ്വീകരിക്കുന്നു. നീണ്ട റെക്കോർഡിംഗുകൾക്ക് audio 16 kHz mono ആക്കുക, അല്ലെങ്കിൽ വിഭജിക്കുക.
Whisper Large v3 Turbo, Whisper Large v3 പോലെ കൃത്യമാണോ?
പൂർണ്ണമായും അല്ല. Turbo-യ്ക്ക് 12%, Large v3-ക്ക് 10.3% word error rate എന്ന് Groq പട്ടികപ്പെടുത്തുന്നു. Turbo വേഗതയേറിയതാണ്, പണമടച്ചുള്ള പ്ലാനുകളിൽ കുറഞ്ഞ ചെലവുമാണ്.
സൗജന്യ Whisper API-ക്ക് audio ഇംഗ്ലീഷിലേക്ക് വിവർത്തനം ചെയ്യാൻ കഴിയുമോ?
FreeLLMAPI-ക്ക് വിവർത്തന endpoint ഇല്ല. ആദ്യം audio transcribe ചെയ്യുക, തുടർന്ന് ഒരു സൗജന്യ chat മോഡൽ ഉപയോഗിച്ച് ടെക്സ്റ്റ് വിവർത്തനം ചെയ്യുക.
സൗജന്യ Whisper API-യിൽ OpenAI Python SDK പ്രവർത്തിക്കുമോ?
പ്രവർത്തിക്കും. base_url http://localhost:3001/v1 ആയി സജ്ജമാക്കുക, തുടർന്ന് model="auto" അല്ലെങ്കിൽ ഒരു Whisper model id ഉപയോഗിച്ച് client.audio.transcriptions.create വിളിക്കുക.
അനുബന്ധ ഗൈഡുകൾ
- സൗജന്യ സ്പീച്ച് ടു ടെക്സ്റ്റ് API
- സൗജന്യ text to speech API
- free groq api
- free cloudflare api
- OVH AI Endpoints സൗജന്യ API
- LLM ഉപയോഗിച്ചുള്ള സൗജന്യ വിവർത്തന API
ഉറവിടങ്ങൾ
- FreeLLMAPI README: supported endpoints (20 November 2026 ൽ പരിശോധിച്ചത്)
- Groq docs: Speech to text (20 November 2026 ൽ പരിശോധിച്ചത്)
- Cloudflare Workers AI pricing (20 November 2026 ൽ പരിശോധിച്ചത്)
- Cloudflare Workers AI: whisper-large-v3-turbo (20 November 2026 ൽ പരിശോധിച്ചത്)
- OVHcloud AI Endpoints capabilities (20 November 2026 ൽ പരിശോധിച്ചത്)