- Cloudflare-hosted
- Batch
Whisper 是一款用于自动语音识别(ASR)和语音翻译的预训练模型。
| 模型信息 | |
|---|---|
| 批处理 | 是 |
| 单位定价 | $0.00051 per audio minute |
参数
▶audio
one ofrequiredtask
stringdefault: transcribe支持的任务为 'translate' 或 'transcribe'。language
string被转录或翻译的音频的语言。vad_filter
booleandefault: false使用语音活动检测模型对音频进行预处理。initial_prompt
string为模型提供音频内容上下文的文本提示词。prefix
string添加到转录输出开头的前缀,可用于引导转录结果。beam_size
integerdefault: 5束搜索解码中使用的束数。值越高,准确率可能越高,但速度会变慢。condition_on_previous_text
booleandefault: true转录时是否以先前的文本作为条件。设置为 false 可能有助于避免幻觉循环。no_speech_threshold
numberdefault: 0.6检测无语音片段的阈值。无语音概率高于该值的片段将被跳过。compression_ratio_threshold
numberdefault: 2.4用于过滤高压缩比片段的阈值,高压缩比通常意味着文本重复或存在幻觉。log_prob_threshold
numberdefault: -1用于过滤平均对数概率较低(即置信度较低)的片段的阈值。hallucination_silence_threshold
number可选阈值(秒),用于跳过可能导致幻觉的静音时段。▶transcription_info{}
objecttext
string音频的完整转录文本。word_count
number转录文本中的总词数。▶segments[]
arrayvtt
stringWebVTT 格式的转录文本,包含用于字幕的时间和文本信息。