Groq 近日低调上线了 Whisper Large-V3 模型，用户可直接在 Playground 在线体验，也能通过 API 集成到自己项目中，轻松完成语音转录和翻译任务。简单来说，这一工具支持多种语言的语音转文字，速度极快，还能顺手将其他语言翻译成英文——效率表现相当惊人。

目前 Playground 提供免费试用，实测一段 4 分 30 秒的视频，转录仅耗时约 3 秒钟。这样的速度，放在以前几乎难以想象。同时 Groq 也开放了 API 接口，方便开发者直接在本地项目中调用，极大降低了语音识别功能的集成门槛。

Whisper API 的接口设计兼容 OpenAI 规范，提供两个核心路径：语音转文本和语音翻译。无论是开发智能语音助手，还是构建自动化翻译系统，接入流程都非常顺畅，开发者体验十分友好。

性能方面，底层采用“whisper-large-v3”模型，在语音转文本和翻译任务上均处于行业第一梯队。音频格式支持 mp3、mp4、wav 等常见格式，但单个文件大小不得超过 25MB。特别提醒：如果文件包含多个音轨，API 仅处理第一个音轨——因此上传前最好提前完成音频预处理，否则可能浪费时间和资源。

为了提升转录质量和处理效率，服务端会自动将音频下采样至 16,000Hz 单声道。Groq 官方建议用户在客户端提前完成这一预处理步骤，这样既能减小文件体积，也能让更长的音频文件顺利上传和处理，从而获得更优的转录体验。

两个 API 接口地址如下：

语音转文本：https://api.groq.com/openai/v1/audio/transcriptions
语音翻译：https://api.groq.com/openai/v1/audio/translations