OpenAI Whisper API provides highly accurate multilingual speech recognition and translation via OpenAI's hosted Whisper model.
✓ 优点
- 跨 99 种语言的出色多语言准确性
- 内置从任何支持的语言翻译成英语
- 成本极低，每分钟 0.006 美元
- 可用于自托管的开源模型
✗ 缺点
- 无实时流媒体 - 仅通过 API 批量/文件上传
- 托管 API 中没有说话人分类
- 速率限制可能会影响高吞吐量工作负载
| 免费套餐 | 仅付费 |
| 定价模式 | usage |
| 价格 (per minute) | $0.006 USD |
| 功能 | |
| 支持语言 | en, ja, zh, ko, fr, de, es |
| API | ✓ 可用 文档 ↗ |
| 定价方案 | Pay-as-you-go$0.006/minFlat rate, all languages Open-source (self-host)$0Run Whisper model locally for free |
| 支持平台 | |
| 集成 | OpenAI Platform, Python SDK, Node.js SDK, REST API |
| 官方网站 | https://platform.openai.com/docs/guides/speech-to-text |
AI点评
托管版Whisper API提供了无需基础设施管理即可使用OpenAI语音识别模型的最简路径。其多语言准确性——尤其是低资源语言——是目前最佳之一。主要缺点是缺乏实时流式传输，限制了其只能用于异步转录工作流。需要实时流式传输的团队应在自己的基础设施上运行开源模型，或改用Deepgram/Azure Speech。