Qu’est-ce que Whisper large-v3-turbo ?
Whisper large-v3-turbo est un Whisper large-v3 élagué et affiné, sorti par OpenAI en octobre 2024 sous la licence MIT. Il garde l'encodeur de large-v3 mais réduit le décodeur de 32 couches à 4, ce que le README GitHub d'OpenAI chiffre à environ huit fois la vitesse de large-v3 dans environ 6GB de VRAM. Sa page Hugging Face enregistre plus de 124 millions de téléchargements.
OpenAI a notifié les développeurs le 26 août 2026 que son modèle d'API hébergé whisper-1 et l'endpoint /v1/audio/translations seront retirés le 26 février 2027, au profit de gpt-transcribe et gpt-live-transcribe. Les poids ouverts ne sont pas affectés, mais OpenAI n'a livré aucun nouveau checkpoint Whisper depuis celui-ci.
Whisper large-v3-turbo vaut-il le coup ?
Whisper large-v3-turbo survit sur le prix et la licence, pas la précision. Artificial Analysis le mesure à 4,6 % d'AA-WER sur Groq, à 0,67 $ les 1 000 minutes et environ 200 fois le temps réel. ElevenLabs Scribe v2 obtient 2,2 % et le Voxtral Small Transcribe 3 de Mistral 2,1 %, si bien que les leaders font moins de la moitié de ses erreurs, à cinq à six fois le prix.
La vitesse vient d'une coupe brutale : quatre couches de décodeur au lieu de 32. Le README d'OpenAI est explicite sur le fait que turbo n'a pas été entraîné pour la traduction, si bien que quiconque s'appuie sur le mode traduction-vers-anglais de Whisper a besoin de large-v3 à la place, et la propre documentation de Groq liste la traduction comme non prise en charge sur turbo. Groq publie aussi son propre taux d'erreur sur les mots pour le modèle hébergé, 12 % contre 10,3 % pour large-v3, ce qui est un rappel utile que turbo échange un peu de précision contre du débit sur chaque hébergeur.
L'avertissement de la fiche du modèle sur l'hallucination s'applique toujours. Whisper a été entraîné sur de l'audio web faiblement étiqueté et peut émettre du texte qui n'a jamais été prononcé, et OpenAI rapporte une précision inégale selon les langues, accents et dialectes, avec une précision plus faible sur les langues peu dotées.
Ce qui le maintient en usage, c'est tout ce qui est construit autour de lui : faster-whisper, whisper.cpp, les pipelines Transformers, d'innombrables fine-tunes et des hébergeurs de Groq à Together AI. Le Parakeet TDT 0.6B v3 de Nvidia obtient désormais un 4,5 % légèrement meilleur sur le même classement et tourne plus vite sur Together AI, mais à 1,50 $ les 1 000 minutes il coûte plus du double du turbo de Groq.
Là où il fait la différence
Un réseau de podcasts avec 10 000 heures de catalogue
Rendre chaque épisode cherchable et générer des brouillons de notes d'émission
Traiter l'archive par lots via Groq à 0,04 $ l'heure, environ 400 $ pour le tout, puis n'envoyer que les épisodes signalés à un modèle plus cher pour correction. La précision est assez bonne pour la recherche, pas pour les citations mot pour mot.
Un ingénieur plateforme dans une startup health-tech qui ne peut pas envoyer d'audio à des tiers
Transcrire la dictée des cliniciens sur site
Faire tourner turbo via faster-whisper sur un GPU de 8GB ou plus dans le réseau privé. Il n'y a pas de facture d'API ni d'accord de traitement des données fournisseur, mais l'équipe possède l'évaluation et la correction des erreurs pour les termes médicaux.
Une équipe de deux personnes qui construit une appli de notes vocales
Ajouter la transcription sur l'appareil sans facture à la minute
Livrer whisper.cpp avec les poids turbo ; la licence MIT autorise l'intégration dans une appli payante sans attribution au-delà de la mention de licence. Attendez-vous à des résultats plus faibles sur les accents et les langues peu dotées.
Avant de vous engager
- Mise en route
- pip install openai-whisper et lancez whisper audio.mp3 --model turbo, ou appelez l'endpoint de transcription compatible OpenAI de Groq avec whisper-large-v3-turbo ; l'un ou l'autre prend quelques minutes.
- Intégrations
- Transformers, faster-whisper, whisper.cpp et la plupart des boîtes à outils de parole ; hébergé par Groq et Telnyx entre autres, Groq acceptant des fichiers jusqu'à 25MB sur le niveau gratuit et 100MB sur le niveau dev.
- Données et confidentialité
- Poids ouverts sous MIT, si bien que l'auto-hébergement garde l'audio entièrement sous votre contrôle ; sur les API hébergées, la conservation suit les conditions de l'hébergeur plutôt que celles d'OpenAI.
- Coût à grande échelle
- Groq facture 0,04 $ l'heure d'audio avec un minimum de 10 secondes par requête, si bien que 100 000 heures par mois font environ 4 000 $ ; l'auto-hébergement n'a besoin que d'un GPU avec environ 6GB de VRAM.
- Limites
- Champ réceptif de 30 secondes, si bien que l'audio long est découpé ou traité séquentiellement ; pas de traduction ; Groq annonce 12 % de WER pour son endpoint turbo contre 10,3 % pour large-v3.
Les points forts
- Licence MIT sans limites de domaine d'usage ou de revenus
- 0,04 $ l'heure d'audio sur Groq
- Tourne dans environ 6GB de VRAM, si bien qu'un seul GPU grand public suffit
- Pris en charge par presque toutes les boîtes à outils et tous les hébergeurs de parole
Les points faibles
- 4,6 % d'AA-WER, environ le double des erreurs de Scribe v2 ou Voxtral Transcribe 3
- Pas entraîné pour la traduction, contrairement à large-v3
- Peut halluciner du texte qui n'a jamais été prononcé
- Aucun nouveau checkpoint Whisper depuis octobre 2024
Idéal pour
Les équipes qui ont besoin d'une transcription bon marché et sous licence permissive qu'elles peuvent auto-héberger ou acheter pour des centimes l'heure, et peuvent vivre avec une précision de second rang.
Alternatives à Whisper large-v3-turbo
Whisper large-v3-turbo : questions fréquentes
- Whisper large-v3-turbo vaut-il le coup ?
- Whisper turbo est désormais la base bon marché et sans restriction à laquelle on compare les modèles de parole plus récents, pas le modèle qui gagne. Nous lui donnons 3.7 sur 5.
- Combien coûte Whisper large-v3-turbo ?
- Gratuit sous la licence MIT. Les versions hébergées sont bon marché : Artificial Analysis indique Groq à environ 0,67 $ les 1 000 minutes.
- Quels sont les inconvénients de Whisper large-v3-turbo ?
- 4,6 % d'AA-WER, environ le double des erreurs de Scribe v2 ou Voxtral Transcribe 3; pas entraîné pour la traduction, contrairement à large-v3; peut halluciner du texte qui n'a jamais été prononcé; aucun nouveau checkpoint Whisper depuis octobre 2024.
- À qui s’adresse Whisper large-v3-turbo ?
- Les équipes qui ont besoin d'une transcription bon marché et sous licence permissive qu'elles peuvent auto-héberger ou acheter pour des centimes l'heure, et peuvent vivre avec une précision de second rang.
- Combien coûte Whisper large-v3-turbo pour une équipe ou en production ?
- Groq facture 0,04 $ l'heure d'audio avec un minimum de 10 secondes par requête, si bien que 100 000 heures par mois font environ 4 000 $ ; l'auto-hébergement n'a besoin que d'un GPU avec environ 6GB de VRAM.
- Whisper large-v3-turbo est-il sûr pour les données de l’entreprise ?
- Poids ouverts sous MIT, si bien que l'auto-hébergement garde l'audio entièrement sous votre contrôle ; sur les API hébergées, la conservation suit les conditions de l'hébergeur plutôt que celles d'OpenAI.
- Quelles sont les meilleures alternatives à Whisper large-v3-turbo ?
- Les alternatives les plus proches que nous avons testées sont ElevenLabs Scribe v2, GPT Transcribe, Deepgram Nova-3, Parakeet TDT 0.6B v3 et MOSS-Transcribe-Diarize 0.9B.
Réponses vérifiées le 22 oct. 2026.