Whisper · OpenAI
Whisper de OpenAI é o estándar do sector en transcrición de audio. Admite máis de 90 linguas, detección automática e un funcionamento robusto fronte ao ruído e aos acentos.
Sobre Whisper
Whisper de OpenAI é o estándar do sector en transcrición de audio. Admite máis de 90 linguas, detección automática e un funcionamento robusto fronte ao ruído e aos acentos.
En que destaca: Recoñece máis de 90 linguas · Tolera o ruído e os acentos · Marcas de tempo.
Como usar Whisper
-
1
Pega o URL do audio
Pega unha ligazón directa a un MP3, WAV, MP4 ou calquera audio ou vídeo aloxado nun servidor público. Admite varias horas de duración.
-
2
Xera
Fai clic en transcribir. O modelo procesa o audio en 30 a 90 segundos segundo a duración.
-
3
Descarga ou comparte
Descarga o resultado ou comparte a ligazón directa. Sen marca de auga, listo para usar.
Preguntas frecuentes
¿Canto custa usar Whisper?
Whisper é un dos modelos gratuítos do catálogo. Cada uso desconta 15 tokens do teu pool, pero os modelos abertos como Whisper non nos custan a nós, así que o rate-limit é xeneroso. Unha conta gratuíta vén con 500 tokens iniciais e 25 máis cada día: normalmente non chegas a tocar a tarxeta.
¿Hai límite de uso para Whisper?
Non hai cota mensual fixa para Whisper na conta gratuíta. O límite real é a taxa por minuto/hora, non por mes. As persoas anónimas están limitadas por IP; con conta podes facer moito máis volume. Se chegas a 500+25 tokens e precisas máis, un plan Pro a $9/mes cóbreo.
Que ten de especial Whisper?
OpenAI é o laboratorio detrás de ChatGPT; os seus modelos teñen un coñecemento amplo do mundo e saídas pulidas. Os seus puntos fortes concretos son: recoñece máis de 90 idiomas, tolera o ruído e os acentos e ofrece marcas de tempo.
Canto tarda Whisper en transcribir?
Whisper ten velocidade equilibrada: ~1/5 do tempo do audio por xeración. Os audios con moito ruído ou multilingües poden tardar un pouco máis.
¿Como uso Whisper en ia.gratis?
Podes usar Whisper desde /audio/transcribir/ subindo o ficheiro. A API REST acepta uploads multipart en POST /api/tools/stt/. Resumo rápido: transcrición precisa en 90+ idiomas. O identificador interno do modelo é `whisper`, útil cando o integres por API.