WaveSpeedAI
← 部落格

OpenAI Whisper With Video 現已登陸WaveSpeedAI

OpenAI Whisper Large v3（影片轉文字）可直接從影片檔案提供高精度多語言轉錄，具有自動語言檢測和選項功能

By WaveSpeedAI1 min read
Wavespeed Ai Openai Whisper With Video
Wavespeed Ai Openai Whisper With VideoOpenAI Whisper Large v3（影片轉文字）可直接從影片檔案提供高精度多語言轉錄，具有自動語言檢測和選項...
Try it
OpenAI Whisper With Video 現已登陸WaveSpeedAI

使用OpenAI Whisper Large v3為您的工作流程帶來影片轉文字轉錄

影片內容已成為溝通、教育和娛樂的主導媒體。但提取影片檔案中的語音價值傳統上需要繁瑣的手動轉錄或昂貴的服務。今天，我們很高興宣布 OpenAI Whisper Large v3 (影片轉文字) 現已在WaveSpeedAI上提供，為您帶來生產級的轉錄和字幕生成功能。

什麼是OpenAI Whisper Large v3？

OpenAI Whisper Large v3代表了語音辨識技術的現行黃金標準。這個15.5億參數的模型在超過500萬小時的音訊資料上進行訓練—比原始Whisper版本增加635%—在99+種語言中提供卓越的準確度，並具有自動語言偵測功能。

WaveSpeedAI上的影片轉文字變體以這個強大的基礎為基礎，並新增無縫的影片檔案支援。只需上傳您的影片，系統就會自動提取音軌並返回乾淨、易讀的轉錄文字。無需預處理、無需格式轉換、無需麻煩。

憑藉在混合基準測試中平均只有7.4%的詞錯誤率(WER)—在清晰音訊上低至2.7%—Whisper Large v3提供與專業轉錄服務相當的生產級準確度。

主要功能

  • 直接影片輸入：上傳影片檔案或提供公開URL—音訊提取自動進行
  • 多語言卓越表現：支援99+種語言，具有自動語言偵測，或指定目標語言以獲得最佳結果
  • 雙模式操作：在轉錄(同語言輸出)或翻譯(轉換為英文)之間選擇
  • 字級時間戳記：產生精確的時間資料以用於字幕建立和音訊-影片對齐工作流程
  • 提示詞引導：使用自訂提示詞引導轉錄風格、術語和格式
  • 生產級API：同步模式可用於在單一API呼叫中直接檢索結果

真實應用案例

內容建立者和影片製作者

將數小時的影片內容轉換為可搜尋、可編輯的文字。無論您是在製作YouTube教程、播客劇集或培訓材料，自動轉錄相比手動轉錄節省80-90%的時間，同時在清晰音訊上提供90-99%的準確度。

無障礙設計和合規性

產生SRT或VTT字幕檔案以符合ADA合規要求並接觸更廣泛的受眾。字級時間戳記功能產生字幕就緒的段落，完美同步您的影片時間軸。

企業和商業應用

會議記錄、網路研討會和培訓課程變成即時可搜尋的檔案。銷售團隊可以分析客戶通話，而人力資源部門可以記錄培訓課程和合規記錄。

研究和學術

從事訪談資料、講座錄音或檔案素材的研究人員可以快速將語音內容轉換為文字進行分析。學生可以從錄製的講座建立可搜尋的筆記。

媒體和新聞

廣播機構可以自動為新聞包、訪談和紀錄片素材產生文字稿。記者可以快速參考特定引文並驗證準確性。

多語言操作

全球團隊可以用原始語言轉錄內容或直接翻譯為英文—全部在單一API呼叫中進行。這大幅簡化了國際組織的工作流程。

開始使用WaveSpeedAI

在WaveSpeedAI上使用OpenAI Whisper影片轉文字很簡單：

import json
import os
import time
from urllib.request import Request, urlopen

api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
    "video": "https://interactive-examples.mdn.mozilla.net/media/cc0-videos/flower.mp4",
    "language": "auto",
    "task": "transcribe",
    "enable_timestamps": False
}

def request_json(url, data=None):
    request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
    with urlopen(request) as response:
        return json.load(response)

# 1. Submit the prediction.
submit_body = request_json("https://api.wavespeed.ai/api/v3/wavespeed-ai/openai-whisper-with-video", json.dumps(payload).encode())
task = submit_body.get("data", submit_body)
prediction_id = task.get("id")
if not prediction_id:
    raise RuntimeError("Submission response did not contain a prediction id")
result_url = task.get("urls", {}).get("get") or f"https://api.wavespeed.ai/api/v3/predictions/{prediction_id}/result"

# 2. Poll until the prediction finishes.
while True:
    body = request_json(result_url)
    result = body.get("data", body)
    status = result.get("status")
    if status == "completed":
        print(result.get("outputs", []))
        break
    if status in {"failed", "cancelled", "timeout"}:
        raise RuntimeError(result)
    if status not in {"created", "processing"}:
        raise RuntimeError(f"Unexpected status: {status}")
    time.sleep(2)

對於不需要時間戳記的基本轉錄，API甚至更簡單：

import json
import os
import time
from urllib.request import Request, urlopen

api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
    "video": "https://interactive-examples.mdn.mozilla.net/media/cc0-videos/flower.mp4",
    "language": "af",
    "task": "translate",
    "enable_timestamps": False
}

def request_json(url, data=None):
    request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
    with urlopen(request) as response:
        return json.load(response)

# 1. Submit the prediction.
submit_body = request_json("https://api.wavespeed.ai/api/v3/wavespeed-ai/openai-whisper-with-video", json.dumps(payload).encode())
task = submit_body.get("data", submit_body)
prediction_id = task.get("id")
if not prediction_id:
    raise RuntimeError("Submission response did not contain a prediction id")
result_url = task.get("urls", {}).get("get") or f"https://api.wavespeed.ai/api/v3/predictions/{prediction_id}/result"

# 2. Poll until the prediction finishes.
while True:
    body = request_json(result_url)
    result = body.get("data", body)
    status = result.get("status")
    if status == "completed":
        print(result.get("outputs", []))
        break
    if status in {"failed", "cancelled", "timeout"}:
        raise RuntimeError(result)
    if status not in {"created", "processing"}:
        raise RuntimeError(f"Unexpected status: {status}")
    time.sleep(2)

透明、可預測的定價

WaveSpeedAI提供直接的按秒計費：

模式價格
標準轉錄$0.001/秒
含時間戳記$0.002/秒

一部10分鐘的影片標準轉錄費用為$0.60，含字級時間戳記為$1.20—比許多競爭服務便宜得多。

為什麼選擇WaveSpeedAI？

除了具有競爭力的定價外，WaveSpeedAI還提供生產工作負載所需的基礎設施優勢：

  • 無冷啟動：您的轉錄工作每次都立即開始
  • 快速推理：針對快速周轉的優化基礎設施
  • 即用REST API：無需複雜的設定或配置
  • 可預測的效能：您可以依賴的一致回應時間

獲得最佳結果的提示

  1. 使用清晰的音訊來源：最小化背景音樂和噪音以獲得最佳準確度
  2. 在已知時指定語言：雖然自動偵測效果良好，但明確選擇語言可以改善邊界案例的結果
  3. 利用提示詞：使用域特定術語、偏好的標點符號風格或格式期望引導模型
  4. 策略性地啟用時間戳記：僅在需要字幕時間時啟用—標準模式對於純轉錄更快且更具成本效益

今天開始轉錄

無論您是在建構內容平台、自動化無障礙工作流程，還是只是需要可靠的影片轉文字轉換，WaveSpeedAI上的OpenAI Whisper Large v3提供了準確度、速度和經濟性來擴展您的轉錄需求。

準備好將您的影片內容轉換為可行的文字了嗎？在WaveSpeedAI上嘗試OpenAI Whisper影片轉文字並體驗生產級轉錄，無需複雜性。

分享