OpenAI : Whisper Large V3
Whisper Large V3 est un modèle de reconnaissance de la parole publié par OpenAI le 6 novembre 2023. Il transcrit l’audio parlé en texte dans sa langue d’origine et sait le traduire en anglais.
À quoi sert Whisper Large V3
Audio
Whisper Large V3 prédit automatiquement la langue de l’audio source et transcrit par défaut dans cette langue. Il sait aussi prédire des horodatages à l’échelle de la phrase ou du mot.
Transcription vocale
Whisper est entraîné pour la reconnaissance et la traduction de la parole : il transcrit l’audio dans la langue parlée et le traduit en anglais. Selon sa carte des modèles, OpenAI le juge potentiellement très utile aux développeurs pour la reconnaissance vocale, notamment en anglais. OpenAI met toutefois en garde contre la transcription d’enregistrements réalisés sans le consentement des personnes et déconseille les domaines à haut risque, comme les contextes de décision.
- Audio
- Transcription
Les performances de Whisper Large V3
Selon OpenAI, Whisper Large V3 affiche à sa sortie une baisse des erreurs de 10 % à 20 % par rapport à large-v2. Le graphique publié par OpenAI couvre les langues où large-v3 reste sous 60 % de taux d’erreur sur les jeux de test Common Voice 15 et Fleurs.
Selon OpenAI, l’évaluation publiée à sa sortie mesure le taux d’erreur par mot, sauf pour le chinois, le japonais, le thaï, le lao, le birman et, pour large-v3, le coréen, évalués par caractère. Tous les textes chinois y ont été convertis en chinois simplifié, afin de ne pas pénaliser une sortie en chinois traditionnel. Les modèles Whisper peuvent aussi produire des hallucinations : des textes qui ne sont pas prononcés dans l’audio.
Caractéristiques techniques de Whisper Large V3
Whisper Large V3 reprend l’architecture des modèles large précédents, avec deux différences mineures : son entrée utilise 128 bandes de fréquence Mel au lieu de 80, et un nouveau jeton de langue est ajouté pour le cantonais.
Le modèle est entraîné sur 1 million d’heures d’audio faiblement étiqueté et 4 millions d’heures d’audio pseudo-étiqueté recueilli avec large-v2, en deux époques sur ce mélange. Son architecture est un encodeur-décodeur fondé sur le Transformer, dit séquence à séquence.
Sorti le 6 novembre 2023, Whisper Large V3 compte 1550 millions de paramètres et n’existe qu’en version multilingue. Son champ réceptif est de 30 secondes : pour transcrire un audio plus long, il faut l’un de ses deux algorithmes de forme longue, séquentiel ou par morceaux. Son code et ses poids sont publiés sous licence MIT.
- Éditeur
OpenAI
- Sortie
- Hébergeurs
- DeepInfra, Groq, Together
Source : OpenRouter.
Où utiliser Whisper Large V3
Dès sa sortie, Whisper Large V3 est disponible dans le paquet Python openai-whisper à partir de la version 20231106, qui se met à jour par la commande pip install -U openai-whisper. Il est également pris en charge par la bibliothèque Transformers. Sur OpenRouter, il a été mis en ligne le 1er mai 2026 sous l’identifiant openai/whisper-large-v3 et accepte les formats audio mp3, mp4, wav, webm, flac et ogg.
L'API chez des hébergeurs
Servi par d'autres hébergeurs que OpenAI, selon OpenRouter
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
Whisper Large V3 parmi les versions de Whisper
Whisper Large V3 appartient à la famille Whisper, dont la série d’origine date de septembre 2022. En décembre 2022 est sorti large-v2, un modèle large amélioré. Dans son billet du 6 novembre 2023, OpenAI présentait large-v3 comme la version suivante de son modèle open source de reconnaissance automatique de la parole.
En septembre 2024, OpenAI a ajouté large-v3-turbo, une version optimisée de large-v3 pensée pour la vitesse d’inférence.
Les versions sélectionnées
| Repères | Whisper Large V3Vous êtes ici | Whisper 1 | Whisper Large V3 Turbo |
|---|---|---|---|
| Elo | |||
| Sortie | |||
| Contexte | |||
| Prix d'entrée | |||
| Prix de sortie | |||
| Entrées | |||
| Réflexion | |||
| Tâches | |||
| Ce qui le distingue | Whisper Large V3 est un modèle de reconnaissance de la parole publié par OpenAI le 6 novembre 2023. Il transcrit l’audio parlé en texte dans sa langue d’origine et sait le traduire en anglais. | OpenAI Whisper 1 a été ouvert dans l’API le 1er mars 2023 sous l’identifiant whisper-1, selon OpenAI. Selon la documentation d’OpenAI, il reçoit de l’audio et produit du texte. OpenAI ajoute qu’il peut aussi s’utiliser comme modèle multitâche, en reconnaissance de la parole multilingue, en traduction de la parole et en identification de la langue. | Whisper Large V3 Turbo est un modèle d’OpenAI sorti le 30 septembre 2024. Selon le README du dépôt Whisper d’OpenAI, il transcrit les fichiers audio en texte dans leur langue d’origine. |
Les repères sont ceux renseignés dans l'annuaire ; un repère absent de toutes les versions sélectionnées n'est pas affiché. Comparaison complète dans le comparateur
FAQ
Quand Whisper Large V3 est-il sorti ?
Whisper Large V3 est sorti le 6 novembre 2023. OpenAI le présentait ce jour-là comme la version suivante de son modèle open source de reconnaissance automatique de la parole.
Sous quelle licence Whisper Large V3 est-il publié ?
Whisper Large V3 est publié sous licence MIT, pour son code comme pour ses poids.
Whisper Large V3 peut-il transcrire en temps réel ?
Whisper Large V3 ne sert pas tel quel à la transcription en temps réel. Selon OpenAI, la vitesse et la taille des modèles Whisper laissent toutefois envisager la construction d’applications de reconnaissance et de traduction de la parole en quasi temps réel.
Usage sur OpenRouter
- Transcription
- 35,9 M requêtes sur le dernier mois · 1er sur 20 des modèles les plus utilisés en Transcription
Source : OpenRouter (openrouter.ai/rankings), au , données sous licence CC BY 4.0. Le volume traité via l'API OpenRouter mesure l'adoption, pas la qualité.