Glossaire
OpenAI a publié plusieurs variantes de Whisper depuis 2022. Le choix parmi elles dépend de si vous voulez une simplicité d'API, une auto-hébergement, une faible latence, ou la meilleure précision absolue. Voici la répartition pratique de ce que chaque variante vous apporte.
whisper-1 (API OpenAI)
Version d'OpenAI servie par API. Équivalente à Whisper Large v2 en interne. Avantages: facile à intégrer (simple POST HTTPS), prend en charge la sortie JSON verbeuse avec des horodatages de segments, pas de GPU requis de votre côté, $0.006prix prévisible par minute. Inconvénients: certaine précision laissée de côté par rapport à Large v3, nécessite l'envoi de l'audio à OpenAI (préoccupations de confidentialité des données pour certains), limite de taille de téléchargement de 25 Mo par requête. Nous utilisons whisper-1 dans notre pipeline.
Whisper Large v3 (poids ouverts)
Version open-source phare d'OpenAI (novembre 2023). Avantages: meilleure précision de la famille, meilleure gestion du bruit et des accents que v2, poids téléchargeables et auto-hébergeables, pas de coûts d'API. Inconvénients: nécessite un GPU (~10 Go de VRAM), vous gérez l'infrastructure, pas de JSON avec horodatages de segments intégré comme l'API. Bon choix si vous avez une capacité GPU et besoin de contrôle de résidence des données.
Distil-Whisper et autres variantes légères
distil-whisper est un modèle distillé 6 fois plus petit de HuggingFace. Exécutable sur CPU, légèrement moins précis. Bon pour les déploiements embarqués/mobiles. WhisperX enveloppe Whisper avec alignement forcé pour les horodatages au niveau des mots. faster-whisper utilise CTranslate2 pour une inférence GPU 4 fois plus rapide à la même précision. Choisissez en fonction de votre compromis latence/précision/coût.
En pratique
Notre pile de production utilise l'endpoint whisper-1 d'OpenAI pour sa prévisibilité et son absence d'infrastructure. Si nous avions besoin un jour de transcription sur site (par exemple, pour un client de santé soumis aux contraintes HIPAA), nous passerions à un Whisper Large v3 auto-hébergé sur une machine GPU. La précision pour l'utilisateur final est à peu près équivalente.
Termes associés
Lectures complémentaires
Essayer la transcription Whisper
Commencez — gratuitementDernière mise à jour : 16 novembre 2026
Questions Fréquemment Posées
La variante de Whisper diffusée via l'API d'OpenAI (whisper-1) est plus ancienne et prend en charge le JSON détaillé avec horodatages de segments. Whisper Large v3 est la dernière version open-source, avec une meilleure précision sur l'audio bruyant et accentué.
Versions de Whisper (whisper-1 vs Whisper Large v3) Affecte la manière dont vous comprenez la qualité de la transcription, le timing, la compatibilité ou la technologie derrière les résultats de la transcription vocale.
Utilisez le flux de travail associé à /ai-transcription lorsque vous souhaitez voir comment ce concept de glossaire se connecte à une tâche de transcription réelle.
Parcourir le glossaire de transcription ou lisez le guide complet de la transcription IA.