Transcripción · OpenAI (Wizper: fal)
Whisper
El modelo abierto de reconocimiento de voz de OpenAI: la mayor cobertura de idiomas aquí, al mismo precio bajo que Parakeet, en modo privado.
Privado Low costQué lo distingue
Whisper es el modelo de voz abierto de OpenAI, entrenado con 5 millones de horas de audio y con 99 idiomas, la cobertura más amplia de aquí. Large v3 redujo los errores entre un 10 % y un 20 % respecto a large v2, y Wizper sirve los mismos pesos más rápido.
- 99 idiomas, Apache 2.0
- 1,55 mil millones de parámetros, large v3
- Wizper: los mismos pesos, servidos más rápido
Recomendado para: transcribir varios idiomas o acentos marcados.
Puntos fuertes y límites
Dónde brilla
- La mejor precisión multilingüe entre las sugerencias de Sub Rosa
- Cerca de 100 idiomas
- El mismo precio bajo que Parakeet, modo privado
Piénsalo dos veces si
- Puede inventar texto durante silencios largos o con ruido
- Whisper Large V3, pesos abiertos
Casos de uso
Transcribir una entrevista en un idioma menos común
Transcribe esta entrevista grabada en polaco y luego dame debajo una traducción al inglés.
Cubre 99 idiomas, más que cualquier otra opción de aquí.
Obtener una transcripción rápido
Transcribe este episodio de pódcast de 20 minutos como texto plano, sin marcas de tiempo.
Wizper devuelve la misma transcripción más rápido, según fal.
Frente a sus rivales
- ParakeetParakeet es más pequeño y puntúa de forma predeterminada, solo para 25 idiomas.
- ScribeScribe añade identificación de interlocutores y etiquetas de sonido, es más preciso en la prueba de Artificial Analysis y cuesta más.Puesto 1 de 4 en Artificial Analysis word error rate ( 2,2 %)
- xAI Speech to TextxAI es más barato y más preciso en esa prueba, con más de 25 idiomas.Puesto 2 de 4 en Artificial Analysis word error rate ( 4 %)
Historial de versiones
Cada versión, con su fecha y lo que cambió respecto a la anterior.
- Whisper large v2Anterior, fuera de Sub Rosa
- Modelo de voz multilingüe abierto con 1,55 mil millones de parámetros
- Whisper large v3
- 128 bandas de frecuencia mel en lugar de 80
- Nuevo token de idioma para el cantonés y entre un 10 % y un 20 % menos de errores que large v2
- Wizper (Whisper v3, fal edition)La más reciente
- Whisper v3 large con un servicio optimizado: la misma tasa de error por palabra, el doble de velocidad, según fal
Benchmarks
Cómo leer estas puntuaciones: lo que te dice un benchmark.
Artificial Analysis word error rate: puesto 3 de 4 modelos medidos en el catálogo. La proporción de palabras que una transcripción hace mal (omitidas, añadidas o cambiadas) en un conjunto variado de grabaciones reales. Más bajo es mejor. Con un 5 %, una palabra de cada veinte necesita corrección; por debajo del 3 %, una transcripción se lee casi limpia.
Ver las cifras
| Modelo | % |
|---|---|
| 1. ElevenLabs Scribe V2 | 2,2 % |
| 2. xAI Speech to Text v1 | 4 % |
| 3. Whisper Large V3 | 4,1 % |
| 4. Wizper (Whisper v3) | 4,7 % |
Los 2 modelos de esta familia
| Modelo | Uso | Privacidad | Precio |
|---|---|---|---|
Whisper Large V3openai/whisper-large-v3 | Transcripción | Privado | 0,162 $ por hora de audio |
Wizper (Whisper v3)fal-ai/wizper | Transcripción | Privado | 0,162 $ por hora de audio |
Especificaciones
| Especificación | Whisper large v3 |
|---|---|
| Lanzamiento | noviembre de 2023 |
| Parámetros | 1.55B |
| Pesos | Abiertos, Apache 2.0 |
| Acepta | audio |
| Produce | text |
| Idiomas | 99 idiomas |
| Precio | 0,162 $ por hora de audio |
| Privacidad | Privado |
Precios, contexto y duraciones del catálogo en vivo el 16 de octubre de 2026; parámetros y licencias según el fabricante.
Fuentes
Todo lo que hay en esta página viene de estas páginas, leídas el 16 de octubre de 2026 o en la fecha indicada en cada puntuación.