Whisper large-v3 API — распознавание речи в рублях

Что такое Whisper large-v3

Whisper large-v3 — распознавание речи в текст на сервере в России: язык и термины задаются в запросе, файл до 25 МБ от компании OpenAI. Модель принимает на вход аудио и относится к категории «распознавание речи (stt)». Через kosareva.cloud модель доступна по единому OpenAI-совместимому API: тот же код, что и для OpenAI, — достаточно поменять base_url и ключ.

Whisper large-v3 — открытая модель, она работает на сервере в России, запись не уходит за границу. У нас — один ключ ко всем моделям каталога и одна оплата: счёт в рублях и закрывающие документы на все модели сразу.

Один ключ открывает не только Whisper large-v3: в каталоге больше сотни моделей — текстовых, картиночных, звуковых и видео. Это важнее, чем кажется: модели устаревают за месяцы, и переключение на следующую версию сводится к замене одной строки, а не к новому договору и новой интеграции.

Сильные и слабые стороны Whisper large-v3

Кому подходит. Голосовой ввод, голосовые сообщения в ботах и CRM, расшифровка звонков и совещаний на русском, когда нужен текст, а не субтитры.

С чем сравнивать. Для субтитров и таймкодов по словам берите GigaASR: 0,84 ₽ за минуту. Gemini 3.5 Transcribe нужна, когда в записи несколько языков и язык заранее неизвестен.

Место Whisper large-v3 в каталоге

Из 4 моделей категории «распознавание речи (stt)» в каталоге Whisper large-v3 занимает 2-е место по цене — считая от самой дешёвой. Ближайший вариант дешевле — Nemotron 3.5 Transcribe за 0,216 ₽ за минуту, это на 136% меньше. Следующая ступень вверх — Gemini 3.5 Transcribe за 0,55 ₽ за минуту, дороже на 8%.

Цена Whisper large-v3 в рублях

Цена в таблице = цена в вашем счёте: в рублях, по договору, с закрывающими документами. Списание — только за фактическое использование.

Сколько стоит расшифровка на Whisper large-v3

Минута записи стоит 0,51 ₽. Сумма зависит только от длины записи, паузы считаются так же, как речь.

Оценка по средней цене минуты. Ошибочные запросы не тарифицируются.

Как подключить Whisper large-v3

Используйте стандартный OpenAI SDK, укажите base_url kosareva.cloud и модель whisper-large-v3. Менять в существующем коде нужно ровно две строки — адрес и ключ.

Python, OpenAI SDK

from openai import OpenAI

client = OpenAI(
    api_key="ВАШ_КЛЮЧ_KOSAREVA",
    base_url="https://api.kosareva.cloud/v1",
)

with open("meeting.mp3", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="whisper-large-v3",
        file=audio,
        language="ru",  # необязательно: язык модель определит сама
    )
print(result.text)

Python, без SDK — requests

import requests

with open("meeting.mp3", "rb") as audio:
    response = requests.post(
        "https://api.kosareva.cloud/v1/audio/transcriptions",
        headers={"Authorization": "Bearer ВАШ_КЛЮЧ_KOSAREVA"},
        files={"file": audio},
        data={"model": "whisper-large-v3", "response_format": "verbose_json"},  # текст, длительность и фразы
        timeout=600,
    )
response.raise_for_status()
print(response.text)

cURL

curl https://api.kosareva.cloud/v1/audio/transcriptions \
  -H "Authorization: Bearer ВАШ_КЛЮЧ_KOSAREVA" \
  -F model="whisper-large-v3" \
  -F file="@meeting.mp3" \
  -F language="ru"

Тот же ключ работает и с Anthropic SDK, и с любым клиентом, который умеет OpenAI-совместимый эндпоинт: LangChain, LlamaIndex, Cursor, Continue, n8n. Отдельного ключа под каждую модель заводить не нужно — один ключ открывает весь каталог.

Эндпоинты и параметры Whisper large-v3

Шлюз повторяет схему OpenAI, поэтому имена параметров и формат ответа те же, к которым вы привыкли. Базовый адрес один на все модели каталога.

Подробно о форматах ответа, языках и ограничениях — в документации по распознаванию речи.

Характеристики

Для чего подходит Whisper large-v3

• Расшифровка звонков отдела продаж и поддержки
• Протоколы совещаний, интервью и лекций
• Голосовой ввод в приложениях
• Голосовые сообщения в Telegram-ботах и CRM

Что учесть при работе с Whisper large-v3

Подключается тем же кодом, что Whisper у OpenAI: метод audio.transcriptions.create, в model — whisper-large-v3. Передавайте language="ru", если язык известен: без него модель тратит начало записи на определение языка. Подсказка в prompt читается первые 400 символов.

Первое — запрос принимает файл до 25 МБ. Длинные записи сжимайте в mp3 или ogg: час речи в mp3 на 48 кбит/с занимает около 21 МБ. Что не помещается, режьте на части по паузам — так и повторить неудачный кусок дешевле.

Второе — цена зависит только от длины записи: 0,00854 ₽ за секунду записи. Вырежьте длинную тишину до отправки, и запись станет дешевле.

Третье — баланс общий на все модели каталога. Не нужно заранее решать, сколько денег «положить на Whisper large-v3»: те же средства уйдут на любую другую модель, если завтра вы переключитесь. Расход по каждой модели виден в личном кабинете отдельной строкой, вместе с числом запросов и токенов.

Whisper large-v3 с оплатой в рублях и без VPN

Whisper large-v3 от OpenAI — распознавание речи в текст на сервере в России: язык и термины задаются в запросе, файл до 25 МБ. Доступ через kosareva.cloud без VPN и зарубежных карт, оплата в рублях, OpenAI-совместимый API.

• Оплата в рублях по карте или счёту — для юрлиц договор, акт и инвойс.
• Без VPN и зарубежных карт: запросы идут с российских IP.
• Единый OpenAI-совместимый API к Whisper large-v3 и ещё 100+ моделям по одному ключу.
• Оплата только за фактическое использование, без абонентской платы.

Другие модели OpenAI

Частые вопросы о Whisper large-v3