openai
OpenAI: Whisper Large V3
openai/whisper-large-v3
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
openai/whisper-large-v3 é o modelo aberto e multilíngue de reconhecimento de fala da OpenAI, listado no OpenRouter para cargas de trabalho de áudio para transcrição, com suporte a mais de 99 idiomas e formatos de áudio comuns. Segundo sua documentação no Hugging Face, é um codificador-decodificador de 1,55 bilhão de parâmetros treinado com cinco milhões de horas de áudio rotulado e pseudorrotulado, oferecendo transcrição, tradução de fala para o inglês e marcações temporais opcionais. A ficha reporta de 10% a 20% menos erros que o large-v2, embora este pacote não inclua medições independentes.[1][2]
Pontos fortes
- Transcreve áudio em mais de 99 idiomas e traduz fala para o inglês, com detecção automática de idioma e marcações temporais opcionais por frase ou palavra.[1][2]
- Publicado sob Apache-2.0 e integrado ao Hugging Face Transformers, incluindo processamento em lote, transcrição segmentada de áudio longo e orientações de ajuste fino.[2]
- A documentação do fornecedor reporta redução de erros de 10-20% em relação ao whisper-large-v2 em vários idiomas; é uma afirmação da fonte, não uma medição independente.[2]
Limitações
- A evidência vem apenas do catálogo e da documentação do fornecedor; o pacote não inclui testes independentes, portanto precisão e latência devem ser validadas com áudio próprio.[1][2]
- A tradução de fala produz apenas inglês, e este checkpoint existe somente como modelo multilíngue, sem variante exclusiva para inglês.[2]
- A documentação desaconselha o uso sem consentimento dos falantes ou em contextos de decisão de alto risco, e afirma que tarefas de classificação não foram avaliadas nem são apropriadas.[2]
Onde usar
- Sugerido: pipelines de transcrição multilíngue, auto-hospedados via Transformers ou por endpoint hospedado, após validação com áudio representativo.[1][2]
- Sugerido: traduzir fala em idiomas estrangeiros para texto em inglês em pesquisa, rascunhos ou prototipagem.[2]
- Sugerido: gerar transcrições com marcações temporais para arquivos de mídia ou reuniões, com revisão humana quando a precisão for crítica.[2]
Fontes
- [1] OpenRouter catalog · OpenAI: Whisper Large V3Fontes consultadas: 13 de nov. de 2026
- [2] Model documentation · OpenAI: Whisper Large V3Fontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
Whisper Large V3 is OpenAI's open-source automatic speech recognition model offering both audio transcription and translation. It supports 99+ languages and accepts common audio formats including mp3, mp4, wav, webm,...
Especificações
- ID do modelo
- openai/whisper-large-v3
- Criador
- openai
- Adicionado ao OpenRouter
- 01.05.2026
- Comprimento de contexto
- 0
- Modalidade
- audio->transcription
- Modalidades de entrada
- audio
- Modalidades de saída
- transcription
- Preço por token
- Sem preço por token no snapshot da fonte — consulte o OpenRouter para a unidade de cobrança
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | — |
| Programação | Sem medição | — |
| Agentes | Sem medição | — |
| Escrita | Sem medição | — |
| Raciocínio | Sem medição | — |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | — |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | entrada: audio |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
Não há avaliações fornecidas para este modelo.
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| DeepInfra | 0 | — | — | — | — | 100% |
| Together | 0 | — | — | — | — | 100% |
| Groq | 0 | — | — | — | — | 100% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.