API Whisper OpenAI ialah pilihan lalai yang dimulakan oleh banyak pasukan: satu endpoint, satu harga, berpuluh-puluh bahasa. Anda mencari alternatif API Whisper apabila salah satu daripada empat perkara ini berlaku: ketepatan pada audio anda tidak cukup baik, bil meningkat dengan volum, pasukan keselamatan anda mahu kurang data disimpan, atau model yang anda panggil akan ditamatkan. Artikel ini menunjukkan cara membuat keputusan, dan cara menguji alternatif tanpa menulis semula kod anda.
Adakah API Whisper OpenAI akan ditamatkan?
Ya, mengikut jadual semasa OpenAI. Halaman penamatannya, disemak 2026-11-15, menyenaraikan whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe dan gpt-4o-transcribe-diarize sebagai ditamatkan, dengan notis diberi pada 26 Ogos 2026 dan penutupan pada 26 Februari 2027. Pengganti yang disyorkan ialah gpt-transcribe (USD 0.0045 seminit, atau USD 0.27 sejam) untuk fail, atau gpt-live-transcribe untuk audio langsung. Halaman harganya menandakan empat model yang sama sebagai ditamatkan, dan panduan speech to text menyatakan “Start with gpt-transcribe” (Terjemahan: Mulakan dengan gpt-transcribe). Endpoint /v1/audio/translations juga ditamatkan. Jadi anda akan menguji semula audio anda pada model baharu walau apa pun. Itulah sebabnya sekarang masa yang baik untuk membandingkan pengganti OpenAI dengan penyedia lain pada klip yang sama.
Untuk gambaran penuh, indeks harga API speech-to-text terbuka kami menyenaraikan harga batch dan penstriman, kenaikan pengebilan dan sokongan bahasa Arab untuk lebih daripada 20 produk, setiap satu disemak terhadap halaman harga penyedia sendiri (CSV dan JSON).
Mengapakah pasukan mencari alternatif API Whisper?
| Sebab | Apa yang perlu disemak pada alternatif |
|---|---|
| Ketepatan pada bahasa atau dialek tertentu | Kadar ralat perkataan yang diterbitkan pada set ujian yang berkaitan, kemudian ujian anda sendiri |
| Harga pada volum tinggi | Harga sejam audio dan minimum pengebilan |
| Pengekalan data | Sama ada audio dan transkrip disimpan, dan untuk berapa lama |
| Had | Saiz fail, format, had kadar |
| Ciri | Cap masa, diarisasi, prompt, penstriman |
Panduan speech to text OpenAI menyatakan “Whisper supports 98 languages, but accuracy varies by language” (Terjemahan: Whisper menyokong 98 bahasa, tetapi ketepatan berbeza mengikut bahasa). Itulah titik permulaan yang jujur: senarai bahasa memberitahu apa yang mungkin, bukan apa yang bagus.
Apakah alternatif API Whisper yang ada, dan berapakah kosnya?
| Pilihan | Harga (senarai, Nov 2026) | Bahasa | Nota |
|---|---|---|---|
API Whisper OpenAI (whisper-1) |
USD 0.006/min | 98 (ketepatan berbeza-beza) | Fail 25 MB; prompt sehingga 224 token; ditutup 2027-02-26 |
OpenAI gpt-transcribe |
USD 0.0045/min (USD 0.27/jam) | Lihat panduan OpenAI | Pengganti yang disyorkan OpenAI; panduan OpenAI menunjukkan cap masa perkataan hanya untuk whisper-1 dan label penutur hanya untuk model diarize yang ditamatkan |
| Groq, Whisper Large v3 | USD 0.111/jam | Pelbagai bahasa | Groq menyatakan WER 10.3%; minimum pengebilan 10 saat |
| Groq, Whisper Large v3 Turbo | USD 0.04/jam | Pelbagai bahasa | Groq menyatakan WER 12%; tidak dilatih untuk terjemahan |
| Soniox (tak segerak) | kira-kira USD 0.10/jam, dibilkan setiap token | Lebih daripada 60, termasuk bahasa Arab | API berasaskan kerja sendiri, tidak serasi OpenAI; masa nyata kira-kira USD 0.12/jam |
| Whisper hos sendiri | Kos GPU anda | Sama seperti Whisper | Lesen MIT; anda yang menjalankan dan menskalakannya |
| BroadNet Transcribe | $0.002/min | 14 | Bukan Whisper; berasaskan Cohere Transcribe |
| BroadNet Transcribe Arabic | $0.0042/min | Arab | BroadNet melaporkan #2 daripada 37 (angka September 2026; papan kedudukan langsung menyenaraikannya di #4 daripada 39 pada 15 November 2026) di Open Universal Arabic ASR Leaderboard |
Harga dan angka Groq disemak pada halaman rasmi pada 2026-11-14; angka OpenAI disemak semula pada 2026-11-15. gpt-transcribe OpenAI lebih mahal sejam berbanding kedua-dua model BroadNet. Endpoint Turbo Groq dan Soniox kedua-duanya lebih murah sejam berbanding BroadNet Transcribe ($0.12 sejam); Soniox memerlukan kod klien baharu kerana ia tidak menggunakan bentuk permintaan OpenAI. Angka WER Groq ialah angka terbitannya sendiri, bukan ujian pada set yang sama dengan yang lain, jadi jangan bandingkannya secara langsung dengan angka BroadNet. Halaman ini tentang bertukar; untuk senarai harga penuh, termasuk DeepSeek, AssemblyAI, Deepgram, Google, AWS dan Speechmatics berserta harga tambahan mereka, lihat perbandingan harga speech-to-text, dan kalkulator kos speech-to-text mengira harga jam bulanan anda sendiri.
Apakah maksud sebenar angka ketepatan?
BroadNet menerbitkan tiga angka WER untuk BroadNet Transcribe Arabic dalam katalog modelnya:
| Set ujian | Jenis audio | WER |
|---|---|---|
| FLEURS-ar | Ayat bacaan yang bersih | 3.8 |
| MASC-ar | Bahasa Arab dunia sebenar yang bercampur | 21.1 |
| Set dialek BroadNet | Pertuturan dialek | 23.4 |
Pada set MASC dan dialek yang sama, BroadNet melaporkan Whisper large-v3 pada 31.5 dan 31.8, berbanding 21.1 dan 23.4 untuk model Arabnya: kira-kira sepertiga lebih sedikit ralat pada MASC dan kira-kira suku lebih sedikit pada set dialek. Itu ujian BroadNet sendiri terhadap pesaing, jadi semaknya pada audio anda. Di Open Universal Arabic ASR Leaderboard awam, yang menggunakan set ujian yang sama untuk setiap penyertaan, Whisper large-v3 berada di #19 daripada 39 pada 15 November 2026 (purata WER 36.86), dan Cohere Transcribe Arabic 07-2026, model yang disajikan oleh BroadNet, berada di #4 (24.19).
Julat itulah pengajarannya. Model yang sama hampir sempurna pada pertuturan bacaan dan jauh lebih lemah pada perbualan. WER utama mana-mana penyedia hanya memberitahu prestasinya pada audio orang lain. Dialek dibincangkan dengan mendalam dalam pengecaman pertuturan dialek Arab.
Cara menguji alternatif Whisper dalam satu petang
- Kumpul 30 hingga 50 klip bagi setiap bahasa, daripada trafik sebenar: panggilan, nota suara, mesyuarat. Buang apa-apa yang tidak boleh anda kongsi.
- Tulis transkrip rujukan untuk 10 klip bagi setiap bahasa secara manual.
- Jalankan kedua-dua API pada klip yang sama. Dengan penyedia serasi OpenAI, hanya klien dan model yang berubah:
import os
from openai import OpenAI
whisper = OpenAI() # uses OPENAI_API_KEY
broadnet = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
def run(client, model, path, lang):
with open(path, "rb") as f:
return client.audio.transcriptions.create(model=model, file=f, language=lang).text
hyp_a = run(whisper, "whisper-1", "clip01.wav", "ar") # also try "gpt-transcribe", OpenAI's replacement
hyp_b = run(broadnet, "broadnet/cohere-transcribe-arabic", "clip01.wav", "ar")
- Skor dengan penormalan yang sama untuk kedua-duanya, menggunakan jiwer:
import re, jiwer
def norm(t):
t = re.sub(r"[ً-ْ]", "", t) # strip Arabic diacritics
t = re.sub(r"[إأآ]", "ا", t).replace("ى", "ي") # unify alef and yaa
return re.sub(r"[^\w\s]", "", t).lower().strip()
print(jiwer.wer(norm(reference), norm(hyp_a)), jiwer.wer(norm(reference), norm(hyp_b)))
- Baca sendiri 20 transkrip. Semak nombor, nama dan istilah produk. Model boleh menang dari segi WER tetapi masih salah nombor akaun.
Bilakah anda patut hos Whisper sendiri?
Kod dan pemberat Whisper berlesen MIT, jadi menjalankannya sendiri sentiasa menjadi pilihan. Ia masuk akal apabila:
- Audio tidak boleh keluar dari rangkaian anda, atas sebab undang-undang atau kontrak.
- Volum anda memastikan GPU sibuk hampir sepanjang hari, jadi anda tidak membayar untuk jam terbiar.
- Anda perlu memperhalusi model pada perbendaharaan kata atau loghat anda sendiri.
Ia lebih mahal daripada yang disangka apabila trafik tidak menentu, apabila anda memerlukan ketersediaan tinggi merentas beberapa mesin, atau apabila tiada sesiapa dalam pasukan mahu menguruskan pemacu GPU dan naik taraf (pengiraan titik pulang modal GPU). README openai/whisper juga menyatakan bahawa model turbo tidak dilatih untuk terjemahan. API berhos menukar masalah tersebut kepada harga seminit, sebab itulah kebanyakan pasukan bermula di situ dan hanya hos sendiri setelah volum dan keperluan jelas.
Senarai semak migrasi
Menukar base URL ialah bahagian yang mudah. Sebelum anda memindahkan trafik:
- Format. OpenAI menerima flac, mp3, mp4, m4a, ogg, wav dan webm. BroadNet menerima WAV dan MP3, jadi tukar
.oggdan.m4adengan ffmpeg dahulu. Untuk rakaman pelayar, lihat rakam audio dalam pelayar dan hantar ke API speech-to-text. - Saiz fail. OpenAI mengehadkan muat naik pada 25 MB; BroadNet pada 26,214,400 bait (25 MiB).
- Medan bahasa. Sentiasa hantarnya. Di BroadNet, bahasa Arab tanpa
language=arboleh dipulangkan dalam huruf Rumi. - Parameter pilihan. Jika anda bergantung pada
prompt,verbose_jsonatau cap masa perkataan, sahkan alternatif menyokongnya. Dokumentasi BroadNet menerangkan respons JSON dengantext. - Had kadar. Kunci bayar ikut guna BroadNet membenarkan 30 permintaan seminit dan 4 serentak.
Versi umum senarai ini ada dalam senarai semak migrasi serasi OpenAI.
Di manakah BroadNet Transcribe sesuai
Pilih BroadNet apabila ketepatan bahasa Arab penting, apabila anda mahu audio dan transkrip tidak disimpan (pengekalan data sifar), atau apabila $0.002 seminit merentas 14 bahasa lebih rendah daripada bil semasa anda. Kredit permulaan $5 meliputi kira-kira 1,190 minit audio bahasa Arab, cukup untuk menjalankan ujian di atas; dapatkan kunci di BroadNet Inference. Panduan speech-to-text bahasa Arab ada contoh curl dan Python.
Kekal dengan model pengganti OpenAI, atau penyedia lain, jika anda memerlukan salah satu daripada banyak bahasa yang tidak disenaraikan oleh BroadNet, terjemahan pertuturan, transkripsi langsung, atau prompt dan petunjuk kata kunci (panduan OpenAI mendokumenkannya untuk gpt-transcribe). Untuk menterjemah rakaman bahasa Arab ke bahasa Inggeris daripada fail, pipeline dua langkah juga berfungsi: lihat terjemah audio bahasa Arab ke bahasa Inggeris. Untuk harga bahasa Inggeris yang paling rendah, endpoint Whisper Turbo berhos lebih murah sejam.
