Gratis Whisper API
Whisper is het open spraakherkenningsmodel van OpenAI. Je kunt het gratis draaien bij Groq, Cloudflare Workers AI en OVH AI Endpoints, elk met eigen limieten. FreeLLMAPI zet deze Whisper-hosts achter één OpenAI-compatibel eindpunt. Je code roept /v1/audio/transcriptions aan, en de router gaat naar de volgende host wanneer één host zijn limiet bereikt.
Code, modelnamen en labels uit de live catalogus worden in het Engels getoond.
Waar Whisper gratis is
De tabel toont alle gratis transcriptiemodellen in de FreeLLMAPI-catalogus, uit de live catalogus. De Whisper-rijen zijn die met whisper in het model-id.
| Model | Aanbieder | Max upload | Gratis limiet |
|---|---|---|---|
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) |
Actuele gegevens uit de FreeLLMAPI-catalogus (versie 2026.11.19, gecontroleerd 2026-11-19). Gratis limieten veranderen vaak. De catalogus wordt elke dag gecontroleerd.
| Host | Whisper-modellen | Gratis limiet (officieel) | Het best voor |
|---|---|---|---|
| Groq | Whisper Large v3, Whisper Large v3 Turbo | 25 MB per bestand op het gratis tier. Audio van minder dan 10 seconden telt als 10 seconden | Snelheid en nauwkeurigheid |
| Cloudflare Workers AI | Whisper Large v3 Turbo, Whisper, Whisper Tiny Engels | 10.000 neurons per dag. Large v3 Turbo gebruikt 46,63 neurons per audiominuut | VTT-ondertitels, ongeveer 214 audiominuten per dag |
| OVH AI Endpoints | Whisper Large v3, Whisper Large v3 Turbo | 2 verzoeken per minuut per IP-adres en model, zonder sleutel | Fallback zonder registratie |
Voeg Groq- en Cloudflare-sleutels samen toe. Wanneer Groq een 429-fout stuurt, stuurt de router hetzelfde bestand naar de volgende host in de keten. OVH is een goede laatste fallback, omdat de anonieme limiet laag is. De gratis limieten van elke host zijn apart, dus elke extra sleutel voegt capaciteit toe.
Whisper Large v3 of Large v3 Turbo?
Groq publiceert een woordfoutpercentage (WER) voor beide modellen. Een lagere WER betekent minder foute woorden.
| Model | WER bij Groq | Vertaling bij Groq | Kies het wanneer |
|---|---|---|---|
whisper-large-v3 | 10.3% | Ja | Nauwkeurigheid het belangrijkst is, bijvoorbeeld bij namen, getallen en accenten |
whisper-large-v3-turbo | 12% | Nee | Je snelle resultaten nodig hebt voor duidelijke spraak |
Whisper Tiny English bij Cloudflare is klein en ondersteunt alleen Engels. Gebruik het alleen voor korte, duidelijke Engelse audio. Beide grote modellen zijn meertalig.
/v1/audio/transcriptions. Er is geen eindpunt /v1/audio/translations. Om Engels te krijgen uit andere talen, transcribeer je eerst en vertaal je daarna de tekst met een chatmodel.Stap 1: installeer FreeLLMAPI en voeg sleutels toe
FreeLLMAPI is open source. Het draait op je computer in Docker. Je providersleutels blijven op je computer.
Installeren (macOS of Linux)
curl -fsSL https://freellmapi.co/install.sh | bashOpen het dashboard op http://localhost:3001. Voeg een Groq-sleutel en een Cloudflare-sleutel toe op de pagina Keys. De Cloudflare-sleutel heeft de vorm account_id:token. OVH Whisper heeft geen sleutel nodig. Kopieer je uniforme sleutel van dezelfde pagina.
Stap 2: transcribeer met Whisper
Stuur het bestand als multipart/form-data. Gebruik model=auto of model=whisper-1 zodat de router kiest. Om één model vast te zetten, stuur je het id ervan. Het id whisper-large-v3-turbo komt overeen met de rijen bij Groq en OVH, dus failover blijft bij hetzelfde model.
curl: Whisper Large v3 Turbo vastzetten
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: ondertitels van 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)Lange opnamen: comprimeren en splitsen
FreeLLMAPI en het gratis tier van Groq accepteren beide maximaal 25 MB in één upload. Groq zegt dat Whisper audio terugbemonstert naar 16 kHz mono. Doe dit vóór de upload, zodat het bestand veel kleiner wordt. Splits de audio bij lange opnamen in delen.
ffmpeg: FLAC-delen van 10 minuten, 16 kHz mono
ffmpeg -i podcast.mp3 -ar 16000 -ac 1 -c:a flac -f segment -segment_time 600 part%03d.flacPython: transcribeer de delen in volgorde
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))Een woord kan worden afgesneden op de grens tussen twee delen. Groq raadt korte overlappen tussen delen aan voor exacte resultaten. Controleer de grootte van elk deel voordat je uploadt, omdat sommige audio niet goed comprimeert.
Betere Whisper-transcripties krijgen
- Stel de taal in: stuur
languagemet een code zoalsen,deofur. Whisper hoeft dan de taal niet zelf te herkennen. - Gebruik de prompt: stuur namen, productnamen en speciale termen in
prompt. Whisper gebruikt ze als context voor de spelling. - Houd temperature op 0: een hogere waarde geeft gevarieerdere tekst, wat voor transcripties zelden nuttig is.
- Maak de audio schoon: verwijder muziek en lange stiltes. Neem spraak op dicht bij de microfoon op.
- Krijg tijdstempels: gebruik
response_format=verbose_json. Wanneer de provider segmenten teruggeeft, heeft elk segment een begin- en eindtijd. Zonder segmenten krijg je gewone JSON met alleen de tekst. - Controleer de host: de responseheaders
X-ProviderenX-Modeltonen welke host en welk model de transcriptie maakten. Log ze wanneer je de kwaliteit vergelijkt.
Probleemoplossing
| Probleem | Oorzaak | Oplossing |
|---|---|---|
Fout 413 file_too_large | De upload is groter dan 25 MB | Converteer naar 16 kHz mono FLAC, of splits het bestand |
| Woorden herhalen zich, of er verschijnt tekst in stilte | Whisper kan tekst schrijven die niet is gesproken in lange stille delen | Knip lange stiltes weg vóór de upload |
| Namen worden verkeerd gespeld | Whisper kent de namen niet | Stuur de namen in het veld prompt |
| Fout 429 van OVH | De anonieme limiet is 2 verzoeken per minuut | Voeg een Groq- of Cloudflare-sleutel toe |
Fout 400 bij srt | Geen enkele provider maakt SRT | Gebruik vtt met een Cloudflare Whisper-model |
Veelgestelde vragen
Is er een gratis Whisper API?
Ja. Groq, Cloudflare Workers AI en OVH AI Endpoints draaien Whisper gratis met limieten. FreeLLMAPI zet ze achter één OpenAI-compatibel eindpunt met failover.
Wat is de bestandsgrootte-limiet van de gratis Whisper API?
Groq staat 25 MB per bestand toe op het gratis tier, en FreeLLMAPI accepteert uploads tot 25 MB. Converteer de audio naar 16 kHz mono of splits hem bij langere opnamen.
Is Whisper Large v3 Turbo even nauwkeurig als Whisper Large v3?
Niet helemaal. Groq geeft een woordfoutpercentage van 12% voor Turbo en 10,3% voor Large v3. Turbo is sneller en kost minder op betaalde plannen.
Kan de gratis Whisper API audio naar Engels vertalen?
FreeLLMAPI heeft geen vertaaleindpunt. Transcribeer de audio eerst en vertaal daarna de tekst met een gratis chatmodel.
Werkt de OpenAI Python SDK met een gratis Whisper API?
Ja. Stel base_url in op http://localhost:3001/v1 en roep daarna client.audio.transcriptions.create aan met model="auto" of een Whisper-model-id.
Gerelateerde gidsen
- Gratis speech-to-text-API
- Gratis text-to-speech API
- free groq api
- free cloudflare api
- Gratis OVH AI Endpoints API
- Gratis vertaal-API met LLM's
Bronnen
- FreeLLMAPI README: supported endpoints (gecontroleerd 20 November 2026)
- Groq docs: Speech to text (gecontroleerd 20 November 2026)
- Cloudflare Workers AI pricing (gecontroleerd 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (gecontroleerd 20 November 2026)
- OVHcloud AI Endpoints capabilities (gecontroleerd 20 November 2026)