O que é Whisper large-v3-turbo?
O Whisper large-v3-turbo é um Whisper large-v3 podado e com fine-tuning, lançado pela OpenAI em outubro de 2024 sob a licença MIT. Ele mantém o codificador do large-v3, mas reduz o decodificador de 32 camadas para 4, o que o README da OpenAI no GitHub estima em cerca de oito vezes a velocidade do large-v3 com aproximadamente 6GB de VRAM. Sua página no Hugging Face registra mais de 124 milhões de downloads.
A OpenAI avisou os desenvolvedores em 26 de agosto de 2026 que o modelo hospedado whisper-1 da API e o endpoint /v1/audio/translations serão removidos em 26 de fevereiro de 2027, em favor do gpt-transcribe e do gpt-live-transcribe. Os pesos abertos não são afetados, mas a OpenAI não lançou um novo checkpoint do Whisper desde este.
Whisper large-v3-turbo vale a pena?
O Whisper large-v3-turbo sobrevive pelo preço e pela licença, não pela precisão. O Artificial Analysis o mede com 4,6% de AA-WER no Groq, a US$ 0,67 por 1.000 minutos e cerca de 200 vezes o tempo real. O ElevenLabs Scribe v2 marca 2,2% e o Voxtral Small Transcribe 3 da Mistral marca 2,1%, então os líderes cometem menos da metade dos erros dele, por cinco a seis vezes o preço.
A velocidade vem de um corte bruto: quatro camadas de decodificador em vez de 32. O README da OpenAI é explícito ao dizer que o turbo não foi treinado para tradução, então quem depende do modo de tradução para o inglês do Whisper precisa do large-v3, e a própria documentação do Groq lista a tradução como não suportada no turbo. O Groq também publica sua própria taxa de erro de palavras para o modelo hospedado, 12% contra 10,3% do large-v3, um lembrete útil de que o turbo troca alguma precisão por throughput em qualquer host.
O aviso do cartão do modelo sobre alucinação continua valendo. O Whisper foi treinado com áudio da web com rótulos fracos e pode emitir texto que nunca foi falado, e a OpenAI relata precisão desigual entre idiomas, sotaques e dialetos, com precisão menor em idiomas com poucos recursos.
O que o mantém em uso é tudo o que foi construído em torno dele: faster-whisper, whisper.cpp, pipelines do Transformers, inúmeros fine-tunes e hosts do Groq à Together AI. O Parakeet TDT 0.6B v3 da Nvidia agora marca um pouco melhor, 4,5%, no mesmo ranking e roda mais rápido na Together AI, mas a US$ 1,50 por 1.000 minutos custa mais que o dobro do turbo no Groq.
Onde ele se destaca
Uma rede de podcasts com 10.000 horas de catálogo antigo
Tornar todos os episódios pesquisáveis e gerar rascunhos de notas dos episódios
Processe o arquivo em lote pelo Groq a US$ 0,04 por hora, cerca de US$ 400 no total, e envie só os episódios sinalizados a um modelo mais caro para correção. A precisão basta para busca, não para citações literais.
Um engenheiro de plataforma em uma startup de health tech que não pode enviar áudio a terceiros
Transcrever ditados de profissionais de saúde on-premises
Rode o turbo pelo faster-whisper em uma GPU de 8GB ou mais dentro da rede privada. Não há conta de API nem acordo de processamento de dados com fornecedor, mas a equipe fica responsável pela avaliação e pela correção de erros em termos médicos.
Uma equipe de duas pessoas criando um app de notas de voz
Adicionar transcrição no dispositivo sem cobrança por minuto
Distribua o whisper.cpp com os pesos turbo; a licença MIT permite incluí-lo em um app pago sem atribuição além do aviso de licença. Espere resultados mais fracos com sotaques e idiomas com poucos recursos.
Antes de decidir
- Configuração
- pip install openai-whisper e rode whisper audio.mp3 --model turbo, ou chame o endpoint de transcrição compatível com OpenAI do Groq com whisper-large-v3-turbo; qualquer um leva minutos.
- Integrações
- Transformers, faster-whisper, whisper.cpp e a maioria dos toolkits de fala; hospedado por Groq e Telnyx, entre outros, com o Groq aceitando arquivos de até 25MB no plano gratuito e 100MB no plano dev.
- Dados e privacidade
- Pesos abertos sob MIT, então hospedar por conta própria mantém o áudio inteiramente sob seu controle; em APIs hospedadas, a retenção segue os termos do host, e não os da OpenAI.
- Custo em escala
- O Groq cobra US$ 0,04 por hora de áudio com mínimo de 10 segundos por requisição, então 100.000 horas por mês saem por cerca de US$ 4.000; hospedar por conta própria exige só uma GPU com cerca de 6GB de VRAM.
- Limites
- Campo receptivo de 30 segundos, então áudio longo é dividido em trechos ou processado em sequência; sem tradução; o Groq informa 12% de WER para seu endpoint turbo contra 10,3% do large-v3.
O que é bom
- Licença MIT sem limites de campo de uso ou de receita
- US$ 0,04 por hora de áudio no Groq
- Roda com cerca de 6GB de VRAM, então uma única GPU de consumo basta
- Suportado por quase todo toolkit e host de fala
O que não é
- 4,6% de AA-WER, cerca do dobro dos erros do Scribe v2 ou do Voxtral Transcribe 3
- Não foi treinado para tradução, ao contrário do large-v3
- Pode alucinar texto que nunca foi falado
- Nenhum checkpoint novo do Whisper desde outubro de 2024
Ideal para
Equipes que precisam de transcrição barata e com licença permissiva, que possam hospedar por conta própria ou comprar por centavos a hora, e que aceitam precisão de segunda linha.
Alternativas ao Whisper large-v3-turbo
Whisper large-v3-turbo: perguntas frequentes
- Whisper large-v3-turbo vale a pena?
- O Whisper turbo agora é a referência barata e sem restrições com que os modelos de fala mais novos são comparados, não o modelo que vence. Damos nota 3.7 de 5.
- Quanto custa Whisper large-v3-turbo?
- Grátis sob a licença MIT. As versões hospedadas são baratas: o Artificial Analysis lista o Groq a cerca de US$ 0,67 por 1.000 minutos.
- Quais são as desvantagens de Whisper large-v3-turbo?
- 4,6% de AA-WER, cerca do dobro dos erros do Scribe v2 ou do Voxtral Transcribe 3; não foi treinado para tradução, ao contrário do large-v3; pode alucinar texto que nunca foi falado; nenhum checkpoint novo do Whisper desde outubro de 2024.
- Para quem Whisper large-v3-turbo é indicado?
- Equipes que precisam de transcrição barata e com licença permissiva, que possam hospedar por conta própria ou comprar por centavos a hora, e que aceitam precisão de segunda linha.
- Quanto custa Whisper large-v3-turbo para uma equipe ou em produção?
- O Groq cobra US$ 0,04 por hora de áudio com mínimo de 10 segundos por requisição, então 100.000 horas por mês saem por cerca de US$ 4.000; hospedar por conta própria exige só uma GPU com cerca de 6GB de VRAM.
- Whisper large-v3-turbo é seguro para dados da empresa?
- Pesos abertos sob MIT, então hospedar por conta própria mantém o áudio inteiramente sob seu controle; em APIs hospedadas, a retenção segue os termos do host, e não os da OpenAI.
- Quais são as melhores alternativas ao Whisper large-v3-turbo?
- As alternativas mais próximas que analisamos são ElevenLabs Scribe v2, GPT Transcribe, Deepgram Nova-3, Parakeet TDT 0.6B v3 e MOSS-Transcribe-Diarize 0.9B.
Respostas verificadas em 22 de out. de 2026.