Whisper Large v3 Turbo

语音转文字 · 多语言转写

$0.0003 每分钟音频

中文和英文转写推荐 qwen3-asr：3–8 秒音频实测耗时 0.3–0.7 秒（2026-10-12）。需要与 Whisper 保持一致时选择 whisper-large-v3-turbo；whisper-1 是它的兼容别名。

OpenAI 标价：whisper-1 每分钟 $0.006；tts-1 每百万字符 $15。

实测于 2026-10-12: 0.4–3.3 s (3–8 s 音频)

整个 multipart 请求最多 25 MB、4 个部分、1 个非空音频文件，每部分文件头最多 8 KB。请求体须在 120 秒内上传完成；前 10 秒后，每个 10 秒窗口平均至少 16 KB/s。每个密钥最多同时上传 2 个请求；共享暂存限额超出时返回 429 和 Retry-After。

格式：json（默认）、text、verbose_json、srt、vtt。所有响应格式均按同一音频时长计费。

voice 为可选项。Chatterbox Turbo 原样传递任意声音字符串；Qwen3 TTS 忽略 voice。

转写支持 file、model、language、prompt、temperature 和 timestamp_granularities[]（word、segment）。合成支持 model、input、可选的 voice、response_format 和 speed（0.25–4）。

转写按上传字节数 ÷ 250（2 kbit/s）预估时长，最多预留 24 小时；有效 WAV/PCM 文件头则使用精确时长。始终按模型报告的实际时长结算，即使超过预估。语音合成按输入字符数预留；上游完成全部音频，或客户端收到至少一个音频字节后断开或停滞，均全额计费。上游失败或超时不计费，即使已返回部分音频。无最低收费。

兼容别名：whisper-1 → whisper-large-v3-turbo；tts-1 → qwen3-tts。tts-1 按 qwen3-tts 计费（每百万字符 $25）。chatterbox-turbo 每百万字符 $1.50，仅支持英语；需明确选择。计费与报表使用标准模型 ID。

curl https://api.quicksilverpro.io/v1/audio/transcriptions \
  -H "Authorization: Bearer $QSP_KEY" \
  -F "model=whisper-large-v3-turbo" \
  -F "[email protected];type=audio/wav" \
  -F "response_format=json"