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.
| Modeli | Mtoa huduma | Upakiaji wa juu zaidi | Kikomo cha bure |
|---|---|---|---|
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 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.
| Mwenyeji | Modeli za Whisper | Kikomo bure (rasmi) | Bora kwa |
|---|---|---|---|
| Groq | Whisper Large v3, Whisper Large v3 Turbo | MB 25 kwa kila faili kwenye kiwango bure. Sauti chini ya sekunde 10 inahesabiwa kama sekunde 10 | Kasi na usahihi |
| Cloudflare Workers AI | Modeli: Whisper Large v3 Turbo, Whisper, Whisper Tiny English | Nyuroni 10,000 kila siku. Large v3 Turbo hutumia nyuroni 46.63 kwa kila dakika ya sauti | Manukuu ya VTT, takriban dakika 214 za sauti kila siku |
| OVH AI Endpoints | Whisper Large v3, Whisper Large v3 Turbo | Maombi 2 kwa dakika kwa kila anwani ya IP na modeli, bila ufunguo | Akiba 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.
| Modeli | WER kwenye Groq | Tafsiri kwenye Groq | Chagua pale |
|---|---|---|---|
whisper-large-v3 | 10.3% | Ndiyo | Usahihi ndio muhimu zaidi, kwa mfano majina, nambari na lafudhi |
whisper-large-v3-turbo | 12% | Hapana | Unahitaji 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.
/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 | bashFungua 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_jsonPython: 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.flacPython: 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
languagepamoja na msimbo kamaen,deauur. 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-ProvidernaX-Modelvinaonyesha mwenyeji na modeli iliyotengeneza nakala. Viandike kwenye kumbukumbu unapolinganisha ubora.
Kutatua matatizo
| Tatizo | Chanzo | Suluhisho |
|---|---|---|
Hitilafu 413 file_too_large | Upakiaji ni mkubwa kuliko MB 25 | Badilisha kuwa FLAC ya 16 kHz mono, au gawanya faili |
| Maneno yanajirudia, au maandishi yanaonekana kwenye kimya | Whisper inaweza kuandika maandishi ambayo hayakusemwa kwenye sehemu ndefu za kimya | Kata kimya kirefu kabla ya kupakia |
| Majina yameandikwa vibaya | Whisper haijui majina | Tuma majina kwenye sehemu ya prompt |
| Hitilafu 429 kutoka OVH | Kikomo bila jina ni maombi 2 kwa dakika | Ongeza ufunguo wa Groq au Cloudflare |
Hitilafu 400 kwenye srt | Hakuna mtoa huduma anayetengeneza SRT | Tumia vtt na modeli ya Whisper ya Cloudflare |
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
- API ya bure ya kubadilisha sauti kuwa maandishi
- Free text to speech API
- free groq api
- free cloudflare api
- API ya bure ya OVH AI Endpoints
- Free translation API kwa LLM
Vyanzo
- FreeLLMAPI README: supported endpoints (imekaguliwa 20 November 2026)
- Groq docs: Speech to text (imekaguliwa 20 November 2026)
- Cloudflare Workers AI pricing (imekaguliwa 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (imekaguliwa 20 November 2026)
- OVHcloud AI Endpoints capabilities (imekaguliwa 20 November 2026)