Nyumbani / Miongozo / API ya Whisper bure

API ya Whisper bure

Whisper ni modeli huria ya utambuzi wa sauti kutoka OpenAI. Unaweza kuiendesha bure kwenye Groq, Cloudflare Workers AI na OVH AI Endpoints, kila moja ikiwa na mipaka yake. FreeLLMAPI inaweka wenyeji hawa wa Whisper nyuma ya sehemu moja ya mwisho inayoendana na OpenAI. Msimbo wako unaita /v1/audio/transcriptions, na kipanga njia kinahamia mwenyeji anayefuata mmoja wao akifikia kikomo chake.

Msimbo, majina ya modeli na lebo za katalogi ya moja kwa moja zinaonyeshwa kwa Kiingereza.

Whisper iko bure wapi

Jedwali linaorodhesha modeli zote bure za unukuzi kwenye orodha ya FreeLLMAPI, kutoka orodha hai. Safu za Whisper ni zile zenye whisper kwenye kitambulisho cha modeli.

ModeliMtoa hudumaUpakiaji wa juu zaidiKikomo cha bure
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 ya moja kwa moja kutoka katalogi ya FreeLLMAPI (toleo 2026.11.19, imekaguliwa 2026-11-19). Vikomo vya bure hubadilika mara kwa mara. Katalogi hukaguliwa kila siku.

Mipaka rasmi, imekaguliwa 20 Novemba 2026
MwenyejiModeli za WhisperKikomo bure (rasmi)Bora kwa
GroqWhisper Large v3, Whisper Large v3 TurboMB 25 kwa kila faili kwenye kiwango bure. Sauti chini ya sekunde 10 inahesabiwa kama sekunde 10Kasi na usahihi
Cloudflare Workers AIModeli: Whisper Large v3 Turbo, Whisper, Whisper Tiny EnglishNyuroni 10,000 kila siku. Large v3 Turbo hutumia nyuroni 46.63 kwa kila dakika ya sautiManukuu ya VTT, takriban dakika 214 za sauti kila siku
OVH AI EndpointsWhisper Large v3, Whisper Large v3 TurboMaombi 2 kwa dakika kwa kila anwani ya IP na modeli, bila ufunguoAkiba bila kujisajili

Ongeza funguo za Groq na Cloudflare pamoja. Groq inapotuma hitilafu 429, kipanga njia hutuma faili hilohilo kwa mwenyeji anayefuata kwenye mnyororo. OVH ni akiba nzuri ya mwisho, kwa sababu kikomo chake bila jina ni cha chini. Mipaka bure ya kila mwenyeji ni tofauti, kwa hiyo kila ufunguo wa ziada unaongeza uwezo.

Whisper Large v3 au Large v3 Turbo?

Groq inachapisha kiwango cha makosa ya maneno (WER) kwa modeli zote mbili. WER ya chini inamaanisha maneno machache yasiyo sahihi.

ModeliWER kwenye GroqTafsiri kwenye GroqChagua pale
whisper-large-v310.3%NdiyoUsahihi ndio muhimu zaidi, kwa mfano majina, nambari na lafudhi
whisper-large-v3-turbo12%HapanaUnahitaji matokeo ya haraka kwa hotuba iliyo wazi

Whisper Tiny English kwenye Cloudflare ni ndogo na inaunga mkono Kiingereza pekee. Itumie kwa sauti fupi, iliyo wazi ya Kiingereza pekee. Modeli zote mbili kubwa ni za lugha nyingi.

Tafsiri: nyaraka za FreeLLMAPI zinaorodhesha /v1/audio/transcriptions pekee. Hakuna sehemu ya mwisho ya /v1/audio/translations. Ili kupata Kiingereza kutoka lugha nyingine, nakili kwanza, kisha tafsiri maandishi kwa modeli ya gumzo.

Hatua 1: Sakinisha FreeLLMAPI na uongeze funguo

FreeLLMAPI ni chanzo huria. Inaendeshwa kwenye kompyuta yako kwenye Docker. Funguo zako za watoa huduma zinabaki kwenye kompyuta yako.

Sakinisha (macOS au Linux)

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

Fungua dashibodi kwenye http://localhost:3001. Ongeza ufunguo wa Groq na ufunguo wa Cloudflare kwenye ukurasa wa Keys. Ufunguo wa Cloudflare una umbo la account_id:token. Whisper ya OVH haihitaji ufunguo. Nakili ufunguo wako wa umoja kutoka ukurasa uleule.

Hatua 2: Nakili kwa Whisper

Tuma faili kama multipart/form-data. Tumia model=auto au model=whisper-1 ili kipanga njia kichague. Ili kubandika modeli, tuma kitambulisho chake. Kitambulisho whisper-large-v3-turbo kinalingana na safu za Groq na OVH, kwa hiyo akiba inabaki kwenye modeli ile ile.

curl: bandika 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: manukuu kutoka Whisper ya Cloudflare

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)

Rekodi ndefu: kubana na kugawanya

FreeLLMAPI na kiwango bure cha Groq vyote vinakubali MB 25 zaidi kwa upakiaji mmoja. Groq inasema kwamba Whisper inapunguza sauti hadi 16 kHz mono. Fanya hili kabla ya kupakia ili faili lipungue sana. Kwa rekodi ndefu, gawanya sauti katika sehemu.

ffmpeg: sehemu za FLAC za 16 kHz mono za dakika 10

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

Python: nakili sehemu kwa mpangilio

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))

Neno linaweza kukatwa kwenye mpaka kati ya sehemu mbili. Groq inapendekeza mwingiliano mfupi kati ya sehemu kwa matokeo sahihi. Angalia ukubwa wa kila sehemu kabla ya kupakia, kwa sababu sauti zingine hazibani vizuri.

Pata nakala bora za Whisper

  • Weka lugha: tuma language pamoja na msimbo kama en, de au ur. Whisper kisha haihitaji kugundua lugha.
  • Tumia maelekezo: tuma majina, majina ya bidhaa na maneno maalum kwenye prompt. Whisper inavitumia kama muktadha wa tahajia.
  • Weka temperature kuwa 0: thamani kubwa hutoa maandishi tofauti zaidi, jambo ambalo mara chache huwa na manufaa kwa nakala.
  • Safisha sauti: ondoa muziki na kimya kirefu. Rekodi hotuba karibu na maikrofoni.
  • Pata alama za muda: tumia response_format=verbose_json. Mtoa huduma akirudisha sehemu, kila moja ina muda wa kuanza na wa kumaliza. Ikiwa haina sehemu, unapata JSON rahisi yenye maandishi tu.
  • Angalia mwenyeji: vichwa vya jibu X-Provider na X-Model vinaonyesha mwenyeji na modeli iliyotengeneza nakala. Viandike kwenye kumbukumbu unapolinganisha ubora.

Kutatua matatizo

TatizoChanzoSuluhisho
Hitilafu 413 file_too_largeUpakiaji ni mkubwa kuliko MB 25Badilisha kuwa FLAC ya 16 kHz mono, au gawanya faili
Maneno yanajirudia, au maandishi yanaonekana kwenye kimyaWhisper inaweza kuandika maandishi ambayo hayakusemwa kwenye sehemu ndefu za kimyaKata kimya kirefu kabla ya kupakia
Majina yameandikwa vibayaWhisper haijui majinaTuma majina kwenye sehemu ya prompt
Hitilafu 429 kutoka OVHKikomo bila jina ni maombi 2 kwa dakikaOngeza ufunguo wa Groq au Cloudflare
Hitilafu 400 kwenye srtHakuna mtoa huduma anayetengeneza SRTTumia vtt na modeli ya Whisper ya Cloudflare
Tumia kila moja ya hizi kwa ufunguo mmoja. FreeLLMAPI ni kipanga njia huria, unachoendesha mwenyewe. Kinaweka tabaka hizi zote za bure nyuma ya kituo kimoja cha OpenAI kinachooana, na kinahamia kwenye nyingine pale kikomo kinapofikiwa. Vinjari katalogi au anza sasa.

Maswali yanayoulizwa mara kwa mara

Kuna API ya Whisper bure?

Ndiyo. Groq, Cloudflare Workers AI na OVH AI Endpoints huendesha Whisper bure kwa mipaka. FreeLLMAPI inawaweka nyuma ya sehemu moja ya mwisho inayoendana na OpenAI, pamoja na akiba.

Kikomo cha ukubwa wa faili cha API ya Whisper bure ni kipi?

Groq inaruhusu MB 25 kwa kila faili kwenye kiwango chake bure, na FreeLLMAPI inakubali upakiaji hadi MB 25. Badilisha sauti kuwa 16 kHz mono au gawanya kwa rekodi ndefu.

Je, Whisper Large v3 Turbo ni sahihi kama Whisper Large v3?

Si kabisa. Groq inaorodhesha kiwango cha makosa ya maneno cha 12% kwa Turbo na 10.3% kwa Large v3. Turbo ni ya haraka zaidi na ina gharama ndogo kwenye mipango ya kulipia.

Je, API ya Whisper bure inaweza kutafsiri sauti kuwa Kiingereza?

FreeLLMAPI haina sehemu ya mwisho ya tafsiri. Nakili sauti kwanza, kisha tafsiri maandishi kwa modeli ya gumzo bure.

Je, OpenAI Python SDK inafanya kazi na API ya Whisper bure?

Ndiyo. Weka base_url kuwa http://localhost:3001/v1, kisha uite client.audio.transcriptions.create ukiwa na model="auto" au kitambulisho cha modeli ya Whisper.

Miongozo inayohusiana

Vyanzo

Miongozo yote · Tazama modeli zote za bure