Deepgram: Nova-3

Nova-3 هو نموذج تحويل الكلام إلى نص العام من Deepgram للصوت المسجّل والمتدفق. يدعم التعرّف أحادي اللغة، ووضعًا محددًا متعدد اللغات للتبديل بينها، والتوجيه بالمصطلحات الرئيسية، ويعيد نصوصًا مفرّغة مع توقيت الكلمات ومعلومات الثقة.

Ailoot Ultra · التعرّف على الكلام POST /v1/audio/transcriptions deepgram/nova-3

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

Nova-3 هو نموذج التعرّف على الكلام العام من Deepgram لتحويل الصوت إلى نص. ويوصي به المُنتج للاجتماعات والتعليقات النصية للأحداث والتسجيلات المتعددة المتحدثين والظروف الصعبة، مثل الضوضاء أو الميكروفونات البعيدة، باستخدام التفريغ المسجّل مسبقًا أو المتدفق. وتتمثّل نتيجته المفيدة في كلام متعرَّف عليه مع معلومات التوقيت والثقة، يظل مرتبطًا بالصوت المصدري.

اختر سير العمل اللغوي

اللغة الافتراضية الموثّقة هي الإنجليزية. ويختار الطلب أحادي اللغة اللغة المنطوقة أو الإعداد المحلي المدعوم. ويشمل جدول النموذج العام الحالي متغيرات إقليمية للإنجليزية والإسبانية والفرنسية والألمانية والروسية والبرتغالية واليابانية والإيطالية والهولندية والعربية وأنظمة الكتابة الصينية ولغات كثيرة أخرى، منها الكازاخية. اختر من رموز المُنتج المدعومة بدلًا من افتراض قبول أي اسم إعداد محلي.

الإعداد متعدد اللغات سير عمل منفصل للتبديل بين اللغات. ويذكر جدول Nova-3 الحالي له عشر لغات: الإنجليزية والإسبانية والفرنسية والألمانية والهندية والروسية والبرتغالية واليابانية والإيطالية والهولندية. ولا تتطابق هذه المجموعة مع قائمة اللغة الواحدة الأوسع. وفي تسجيل ينتقل بين لغات مدعومة، جهّز الوضع متعدد اللغات بدلًا من إجبار المحادثة كاملةً على إعداد أحادي اللغة لا يناسبها. واحتفظ بما قيل قبل تجهيز أي نسخة مترجمة أو ملخّصة.

الصوت المسجّل وتجهيز النص المفرّغ

يقبل سير عمل الملفات لدى Deepgram بايتات صوت مرفوعة أو مرجعًا إلى ملف صوتي. واحفظ النص المفرّغ المُعاد عند اكتمال الطلب؛ فالمُنتج لا يخزّن النصوص المفرّغة لاسترجاعها لاحقًا. وتشمل تنسيقات المدخلات وترميزاتها الشائعة الموثّقة MP3 وMP4 وMP2 وAAC وWAV وFLAC وPCM وM4A وOgg وOpus وWebM. واحتفظ بالتنسيق الفعلي ومعلومات القنوات مع التسجيل. امنح التسجيل معرّفًا ثابتًا، واحتفظ بارتباط النتيجة بالمصدر الصحيح ومعلومات قنواته. وفي الاجتماع، راجع أسماء المشاركين والمصطلحات التقنية أثناء الاستماع إلى الصوت الأصلي. وفي المحاضرة أو الحدث، احتفظ بتسلسل الصوت، حتى يتمكن تعليق نصي أو نتيجة بحث لاحقان من تحديد موضع المقطع ذي الصلة.

يذكر دليل المُنتج للتسجيلات المسبقة حدًا أقصى لحجم الملف يبلغ 2 GB، ويوصي باستخراج التدفق الصوتي من ملف الفيديو الكبير. ويوثّق أيضًا مهلة معالجة من عشر دقائق لطلبات Nova. وتتعلق هذه المهلة بمدة معالجة الطلب، لا بحد أقصى من عشر دقائق لمدة التسجيل. وتتضمن النتيجة المفيدة نهاية التسجيل المقصود؛ فلا ينبغي اعتبار نص مفرّغ محتفَظ به جزئيًا النصَّ الكامل.

اقرأ الكلمات والأوقات والثقة

تتضمن استجابة JSON الموثّقة بدائل للنص المفرّغ وكلمات متعرَّفًا عليها، مع وقت بداية ونهاية كل كلمة بالثواني من بداية الصوت وقيمة ثقة. وفي النص المتعدد المتحدثين، يعيّن فصل المتحدثين الاختياري لدى المُنتج تسمية متحدث لكل كلمة. ويعيد فصل المتحدثين للتسجيل المسبق أيضًا الثقة في تعيين المتحدث؛ أما فصل المتحدثين للصوت المتدفق فيعيد تسمية المتحدث. وراجع هذه التسميات في ضوء الأصوات الموجودة في التسجيل. ويُبلَّغ أيضًا عن الثقة الإجمالية في النص المفرّغ على مقياس من 0 إلى 1. وعند طلب التنسيق الذكي، يمكن للنتيجة أن تتضمن الترقيم وحالة الأحرف في صورة كلمات مرفقة بعلامات الترقيم، مع معلومات فقرات قابلة للقراءة.

استخدم هذه الحقول بحسب معناها. فوقت الكلمة يحدّد موضع الكلام المتعرَّف عليه، بينما تعبّر الثقة عن تقدير النموذج للموثوقية، ولا تثبت أن اسمًا أو مقدارًا صعبًا قد سُمع على نحو صحيح. ولتجهيز التعليقات النصية، احتفظ بالتوقيت مع الصياغة المُراجَعة وافحص الحدود في ضوء الصوت. وفي نسخة تحريرية مقروءة، اجعل التعديلات قابلة للتمييز عن النص المتعرَّف عليه، بدلًا من استبدال كلمات غير مؤكدة بصمت بقصة تبدو معقولة.

التعرّف المتدفق والمقاطع النهائية

يعيد سير عمل Nova المتدفق النص مع وصول الصوت، بنتائج مؤقتة ونهائية. ويميّز المؤشر is_final النص القابل للمراجعة عن المقطع الذي اعتُمد نهائيًا. ويتعلق المؤشر speech_final بتحديد نهاية مقطع الكلام. حافظ على تمييز هذه الإشارات عن مجرد تلقي نص مفرّغ غير فارغ، واحتفظ بالمقاطع النهائية بترتيبها الصوتي عند تجهيز السجل المكتمل.

Nova-3 هو تعرّف آلي عام على الكلام، ويختلف عن نموذج Flux الحواري المنفصل ذي اكتشاف أدوار الكلام الأصلي في النموذج. ويحدّد Nova نهائية النص المفرّغ ونهايات الكلام؛ أما Flux فيوفّر أحداثه الخاصة لحالة الدور الحواري. اختر سير عمل التفريغ وفق كون الصوت مسجّلًا بالفعل أو واردًا مباشرةً، مع استخدام المخرجات النهائية الفعلية بوصفها الناتج المحتفَظ به.

المصطلحات الرئيسية للمفردات المهمة

يدعم Keyterm Prompting الموثّق في Nova-3 التفريغ أحادي اللغة والمتعدد اللغات، ويكيّف التعرّف باتجاه المصطلحات المهمة من دون إعادة تدريب النموذج. قدّم الأسماء أو مصطلحات المنتجات أو الاختصارات أو العبارات المتعددة الكلمات ذات الصلة التي قد تُنطق فعلًا. ويحدّ الدليل إجمالي مدخلات المصطلحات الرئيسية إلى 500 رمز، ويوصي بالتركيز على أهم المفردات بدلًا من إضافة الكلمات الشائعة بلا تمييز.

تستخدم صياغة المُنتج مصطلحات عادية، مع مدخل keyterm منفصل لكل مصطلح. وتظل العبارة المتعددة الكلمات عبارة واحدة. ولا تعادل ذلك أوزان الكلمات المفتاحية القديمة أو مُعزّزاتها، أو جمع مصطلحات منفصلة بفواصل أو فواصل منقوطة أو فواصل أسطر: فقد تقبلها الواجهة قيمةً حرفية واحدة من دون توفير التعزيز المقصود. استخدم حالة الأحرف الصحيحة للأسماء، ثم افحص النص المفرّغ، لأن سياق الصوت والتنسيق الذكي قد يغيّران مع ذلك الشكل المكتوب النهائي.

حدود عائلة النماذج والنتائج المفيدة

يختلف ملف Nova-3 العام عن خيارَي Medical وPharma المسمّيين على نحو مستقل. ولا يحوّله التوجيه بالمفردات إلى إصدار آخر، ولا ينبغي افتراض تغطية النماذج المتخصصة للغات أو سلوكها في النموذج العام. وميزات معالجة النص المفرّغ الإضافية خيارات في سير عمل الكلام لدى المُنتج، وليست دليلًا على أن التعرّف أنتج ملخّصًا أو ترجمة أو ناتجًا آخر لم يُطلب أصلًا.

يمكن أن يكون ناتج Nova-3 المفيد نص اجتماع مفرّغًا قابلًا للبحث، أو صياغة جاهزة للتعليقات النصية مع توقيت الكلمات، أو سجل محادثة متعددة اللغات. احتفظ بمعرّف الصوت وسير العمل اللغوي المختار والنص النهائي وأي حقول مفيدة للثقة أو التوقيت. وتحقّق من الأسماء غير الواضحة والأرقام والأصوات المتداخلة وتغيّر اللغات في ضوء التسجيل الأصلي، واحتفظ بالكلام المتعرَّف عليه الفعلي متاحًا لخطوة معالجة المحتوى التالية.

Ailoot Ultra · التعرّف على الكلام POST /v1/audio/transcriptions deepgram/nova-3

deepgram/nova-3

Deepgram /deepgram/nova-3

البداية

المدخلات المقبولة: الصوت
النتائج: transcription

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · التعرّف على الكلام POST /v1/audio/transcriptions

الإدخال: audio
الإخراج: transcription
صيغة الإخراج: json

الحقل	النوع	المتطلب	القيم والحدود	القيمة الافتراضية
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود deepgram/nova-3	القيمة الافتراضية—
الحقل`input_audio`	النوع`object`	المتطلبمطلوب	القيم والحدود	القيمة الافتراضية—
الحقل`language`	النوع`string`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`temperature`	النوع`number`	المتطلباختياري	القيم والحدود الحد الأدنى: ⁦0⁩ الحد الأقصى: ⁦1⁩	القيمة الافتراضية—
الحقل`response_format`	النوع`string`	المتطلباختياري	القيم والحدود json, verbose_json	القيمة الافتراضيةjson
الحقل`timestamp_granularities`	النوع`array`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`provider`	النوع`object`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—

تركيبات مواد الإدخال

speech_to_text · مطلوب: actual matching-format audio file

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_types`	المواصفاتapplication/json, multipart/form-data
المعلمة`required`	المواصفاتmodel, input_audio
المعلمة`material_types`	المواصفاتaudio
المعلمة`JSON_audio`	المواصفاتبايتات الصوت الخام الفعلية بترميز base64، مع التنسيق المطابق
المعلمة`multipart_required`	المواصفاتmodel, file
المعلمة`multipart_cap_bytes`	المواصفات26214400
المعلمة`optional_controls`	المواصفاتlanguage, temperature, response_format, timestamp_granularities, provider
المعلمة`default_response_format`	المواصفاتjson
المعلمة`optional_features`	المواصفاتتتطلب المخرجات التفصيلية وخيارات diarize/keyterms والصوت عبر URL أو الصوت المضمّن الأكبر حجماً إمكانية وتعرفة تتوافقان مع النموذج والمزوّد المحددين.

دورة الحياة: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

استخدم النموذج الدقيق وحقول الإدخال الموثّقة.

احتفظ بالاستجابة كاملة، وكل مخرج فعلي، والمعرّفات الأصلية المُعادة.

الباقات

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع: غير محدد عند اختيار الوضع السريع
الوضع المرن: غير محدد عند اختيار وضع flex
أقصى جهد للاستدلال: غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات Ailoot

الأسعار حسب الإعدادات

طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.

الإعدادات	جدول التعرفة	وحدة الفوترة	الرسوم
الإعداداتالتعرفات الأساسية للرموز	جدول التعرفةالتعرفة الأساسية	وحدة الفوترة—	الرسوم الإدخال · رموز الإدخال — / 1K من الرموز الإخراج · رموز الإخراج — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز
الإعداداتUltra	جدول التعرفة—	وحدة الفوترةلكل ثانية صوت مُدخل	الرسوم الإدخال · ثانية صوت مُدخل $0.0001433333333334 لكل ثانية صوت مُدخل

تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →

تفاصيل التعرفة المرجعية

لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.

Deepgram: Nova-3

الأسعار حسب الإعدادات

الإعدادات	شروط الفوترة	الرسوم
الإعداداتDeepgram: Nova-3 · الإعداد الافتراضي	شروط الفوترةالإعداد الافتراضي	الرسوم الإدخال · ثواني الصوت المُدخل ⁦≈‏0.000143 US$⁩ لكل ثانية صوت مُدخل

أمثلة للطلبات

Ailoot Ultra · التعرّف على الكلام

curl · جسم الطلب بالصيغة الأصلية دون تغيير والنتيجة كاملة

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'deepgram/nova-3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.

استلام النتائج وحفظها

Ailoot Ultra · التعرّف على الكلام

json

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

الاحتفاظ بكل النتائج المكتملة

احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.

JSON الأصلي كاملاً، وجميع النصوص والمقاطع والكلمات والمتحدثين والطوابع الزمنية المتاحة، وبيانات الاستخدام.

عند الحاجة إلى التحقق من الاستجابة الأصلية

احتفظ بـoperation_id/X-Client-Request-ID الأصليين وبالاستجابة الأصلية. اقرأ سجلات المهام والأصول الفعلية المملوكة لك دون إعادة الإرسال؛ ولا يُنشأ عنوان URL مخصص للاستعلام عن الصوت.

حقول الاستجابة

الحقل	النوع
الحقل`text`	النوعstring
الحقل`usage`	النوعobject
الحقل`segments[]`	النوعobject
الحقل`words[]`	النوعobject

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra deepgram/nova-3

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

deepgram/nova-3

FAQ · Deepgram: Nova-3

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/transcriptions · deepgram/nova-3: audio → transcription
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/transcriptions · deepgram/nova-3: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
ما الحدود المطبقة؟: POST /v1/audio/transcriptions · deepgram/nova-3: temperature.minimum: 0; temperature.maximum: 1

Deepgram: Nova-3

Deepgram: Nova-3

اختر سير العمل اللغوي

الصوت المسجّل وتجهيز النص المفرّغ

اقرأ الكلمات والأوقات والثقة

التعرّف المتدفق والمقاطع النهائية

المصطلحات الرئيسية للمفردات المهمة

حدود عائلة النماذج والنتائج المفيدة

البداية

متاح في Ailoot · المدخلات والطرائق

الباقات

تعرفات Ailoot

الأسعار حسب الإعدادات

تفاصيل التعرفة المرجعية

الأسعار حسب الإعدادات

أمثلة للطلبات

Ailoot Ultra · التعرّف على الكلام

استلام النتائج وحفظها

Ailoot Ultra · التعرّف على الكلام

الاحتفاظ بكل النتائج المكتملة

عند الحاجة إلى التحقق من الاستجابة الأصلية

الأسماء البديلة

الأسماء البديلة للنموذج

الأسماء البديلة لمسارات الطرائق

معرّفات النماذج ذات الصلة IDs

الشركة ومحفظة مشاريعها

اشتر الرموز بخصم.

اربط API بالمنتج الذي تبيعه.