跳转到内容
本站为社区维护的非官方中文翻译,与 Cloudflare, Inc. 无关联。本站不提供账户登录,请勿在任何非官方站点输入您的 Cloudflare 账户信息。官方文档:developers.cloudflare.com
OpenAI logo

whisper-large-v3-turbo

Automatic Speech Recognition • OpenAI

查看 MarkdownAgent 设置
  • 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

task
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。
text
string音频的完整转录文本。
word_count
number转录文本中的总词数。
vtt
stringWebVTT 格式的转录文本,包含用于字幕的时间和文本信息。

API schema(原始)

输入
输出

这篇文档对您有帮助吗?