Source: https://ailoot.ai/models/cs/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/ Canonical: https://ailoot.ai/models/cs/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/ Language: cs # NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B [Markdown](https://ailoot.ai/models/cs/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/index.md) · [JSON](https://ailoot.ai/models/cs/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/facts.json) ## [NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B](https://ailoot.ai/models/cs/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/) Nemotron 3.5 ASR Streaming Multilingual 0.6B od společnosti NVIDIA přepisuje řeč do textu s interpunkcí pomocí streamovacího kodéru využívajícího mezipaměť. Podporuje výslovné určení jazyka nebo automatickou detekci; 32 jazykových a regionálních variant je připraveno pro přepis a osm vyžaduje adaptaci. - [**Ailoot Ultra · Přepis řeči** `POST /v1/audio/transcriptions` `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/cs/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/#method-0) O modelu Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu. Nemotron 3.5 ASR Streaming Multilingual 0.6B je model společnosti NVIDIA pro rozpoznávání řeči s 600 miliony parametrů, určený k živému přepisu i zpracování nahraného zvuku. Rozšiřuje anglickou streamovací řadu o podmínění identifikátorem jazyka. Řeč převádí na text v jazyce vstupu, s interpunkcí a správným psaním velkých písmen přímo ve výstupu. Jazykové pokrytí výrobce má tři úrovně. Devatenáct variant připravených pro přepis zahrnuje americkou a britskou angličtinu, španělštinu z USA a Španělska, francouzštinu z Francie a Kanady, italštinu, portugalštinu z Brazílie a Portugalska, nizozemštinu, němčinu, turečtinu, ruštinu, arabštinu, hindštinu, japonštinu, korejštinu, vietnamštinu a ukrajinštinu. Třináct variant se širokým pokrytím přidává polštinu, švédštinu, češtinu, norštinu bokmål, dánštinu, bulharštinu, finštinu, chorvatštinu, slovenštinu, mandarínskou čínštinu, maďarštinu, rumunštinu a estonštinu. Dohromady těchto 32 variant vytváří přepis bez dalšího dolaďování. Osm variant připravených k adaptaci — řečtina, litevština, lotyština, maltština, slovinština, hebrejština, thajština a norština nynorsk — tokenizer rozpoznává, ale pro plný přepis vyžadují dolaďování na datech z cílové oblasti. Údaj výrobce o 40 variantách tedy netvrdí, že všech čtyřicet má stejné schopnosti ihned po nasazení. Přizpůsobený checkpoint je samostatný artefakt odlišný od základního modelu. Architektura kombinuje 24vrstvý kodér FastConformer využívající mezipaměť s dekodérem RNN-T. Uchovává stavy pozornosti a konvolucí kodéru z předchozích rámců a zpracovává každý nový zvukový blok bez opakovaného přepočítávání překrývajících se oken. Společně s akustickou reprezentací se dodává signál identifikátoru jazyka, který podmiňuje přepis nebo nechává model jazyk odvodit. Konfigurace NVIDIA pro NeMo dokumentuje velikosti bloků 80, 160, 320, 560 a 1 120 milisekund. Nastavení pozornosti řídí, kolik budoucího zvuku blok obdrží před vrácením textu, a umožňuje tak vyvážit čekání a akustický kontext. Jde o streamovací konfigurace výrobce, nikoli o zaručené celkové časy odpovědi; implementace může zpřístupnit vlastní podporovanou podmnožinu. Připravte jednokanálový zvuk WAV při vzorkovací frekvenci 16 kHz používané procesorem výrobce. Pokud jazyk znáte, použijte odpovídající jazykové a regionální podmínění; automatický režim detekuje mluvený jazyk. Základní příklad pipeline ve výchozím stavu používá zadání pro americkou angličtinu, proto vícejazyčné chování nastavte záměrně a nepředpokládejte je pouze na základě tohoto příkladu. V automatickém režimu může postup výrobce připojit za koncovou interpunkci přepisu jazykovou značku. Ponechání značky zpřístupňuje jazyk aplikaci zpracovávající provoz v různých jazycích; její odstranění vrací čistý text přepisu. Při zobrazování nebo zpracování výsledku zachovejte rozlišení mezi rozpoznanými slovy, jejich interpunkcí a těmito jazykovými metadaty. Aplikace pro titulky může dodávat zvuk v pořadí, shromažďovat přepis a využívat dokončený text k zobrazení nebo navazujícímu zpracování. Hlasová aplikace může předat rozpoznanou řeč do fáze porozumění jazyku. Při analýze hovorů lze uchovat původní nahrávku společně s přepisem, aby zůstala možná kontrola jmen, čísel a neznámých termínů. Model ASR dodává přepis; shrnutí, akce a generování řeči jsou samostatné fáze aplikace. NVIDIA trénuje model na směsi veřejných a vlastních řečových dat s lidskými i syntetickými anotacemi normalizovanými do textu s interpunkcí a správným psaním velkých písmen. Průvodce adaptací zdůrazňuje sladění jazykových označení a stylu textu a následné hodnocení oddělených kontrolních nahrávek při streamovacím nastavení zamýšleném pro použití. Popisuje adaptaci na jazyk, přízvuk a oblast, aniž by výsledky takových úprav vydával za vlastnosti původního checkpointu. Karta modelu spojuje praktickou délku nahrávky s dostupnou pamětí a nezveřejňuje jeden univerzální strop trvání. Vícejazyčnou edici odlišujte od modelu pouze pro angličtinu a s výsledkem přepisu uchovejte zvolený jazyk i streamovací konfiguraci. Výstupním artefaktem je rozpoznaný text s volitelnými jazykovými metadaty výrobce, nikoli obecná konverzační odpověď. **Ailoot Ultra · Přepis řeči** `POST /v1/audio/transcriptions` `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b` [`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/cs/#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&route=Ultra&caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&fmt=transcriptions) NVIDIA /`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b` ### Úvod Nemotron 3.5 ASR Streaming Multilingual 0.6B od společnosti NVIDIA přepisuje řeč do textu s interpunkcí pomocí streamovacího kodéru využívajícího mezipaměť. Podporuje výslovné určení jazyka nebo automatickou detekci; 32 jazykových a regionálních variant je připraveno pro přepis a osm vyžaduje adaptaci. Přijímané vstupy Zvuk Výsledky Text ### Dostupné v Ailoot · vstupy a metody **Ailoot Ultra · Přepis řeči** `POST /v1/audio/transcriptions` Vstup `audio` Výstup `text` | Pole | Typ | Požadavek | Hodnoty a limity | Výchozí | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | PožadavekPovinné | Hodnoty a limity nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b | Výchozí— | | Pole`input_audio` | Typ`object` | PožadavekPovinné | Hodnoty a limity | Výchozí— | | Pole`language` | Typ`string` | PožadavekVolitelné | Hodnoty a limity | Výchozí— | | Pole`temperature` | Typ`number` | PožadavekVolitelné | Hodnoty a limity Minimum: 0 Maximum: 1 | Výchozí— | | Pole`response_format` | Typ`string` | PožadavekVolitelné | Hodnoty a limity json, verbose\_json | Výchozíjson | | Pole`timestamp_granularities` | Typ`array` | PožadavekVolitelné | Hodnoty a limity | Výchozí— | | Pole`provider` | Typ`object` | PožadavekVolitelné | Hodnoty a limity | Výchozí— | Parametry a životní cyklus metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, input\_audio | | Parametr`material_types` | Kontraktaudio | | Parametr`material_conditions` | KontraktNačtěte skutečný soubor WAV a zakódujte jeho skutečné bajty pro deklarovaný vstup JSON input\_audio; pro tuto přesnou deklaraci omezenou na JSON se nenabízí žádná trasa multipart. | Životní cyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · skutečně vrácené task\_id nebo záznam v knihovně médií `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tarify ##### Jak se vypočítá konečný poplatek Zobrazené sazby slouží k odhadu ceny před generováním. Konečný poplatek se vypočítá z nákladů zaznamenaných u původního generování. Naměřená délka výstupu ani odhadovaná množství nejsou konečným účtovaným množstvím. Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody. Rychlý režim Neuvedeno Při výběru rychlého režimu Režim flex Neuvedeno Při výběru režimu flex Maximální intenzita uvažování Neuvedeno Když se při maximální intenzitě uvažování použije výchozí úprava (default) #### Odhadované sazby pro srovnání #### Ceny podle konfigurace Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu. | Konfigurace | Tabulka sazeb | Předpokládané množství | Účtovací jednotka | Poplatek | | --- | --- | --- | --- | --- | | KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Předpokládané množství— | Účtovací jednotka— | Poplatek Vstup · Vstupní tokeny · Odhad pouze pro srovnání **—** / 1K tokenů Výstup · Výstupní tokeny · Odhad pouze pro srovnání **—** / 1K tokenů Vstup · Čtení z mezipaměti · Odhad pouze pro srovnání **—** / 1K tokenů Vstup · Zápis do mezipaměti · Odhad pouze pro srovnání **—** / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina · Odhad pouze pro srovnání **—** / 1K tokenů | | Konfiguracesekunda vstupního zvuku | Tabulka sazeb— | Předpokládané množství— | Účtovací jednotkaza sekundu vstupního zvuku | Poplatek Vstup · sekunda vstupního zvuku · Odhad pouze pro srovnání **$0.00000666** za sekundu vstupního zvuku | | KonfiguraceOdhadovaná cena generování | Tabulka sazeb— | Předpokládané množstvíodhad pro jedno generování | Účtovací jednotka— | Poplatek Výstup · Odhadovaná cena generování · Odhad pouze pro srovnání **$0.00000666** odhad před generováním Tento odhad není dodatečným poplatkem ani pevnou sazbou za dokončené generování. | Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. [Jak funguje rezervace a vyúčtování →](https://ailoot.ai/docs/cs/billing/reserve/) ### Příklady požadavků #### Ailoot Ultra · Přepis řeči curl · přesné nativní tělo požadavku a úplný výsledek ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b', 'input_audio': {'data': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Přijímání a ukládání výsledků #### Ailoot Ultra · Přepis řeči - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Další načtení obsahu Načíst existující soubory, které vám patří ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \ -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json # Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token. ``` ##### Uchovejte všechny dokončené výsledky Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu. Uchovejte úplnou odpověď a hlavičky, všechny skutečné výstupy, původní vrácené identifikátory a všechna pole s údaji o využití. Obnovte původní operaci bez opětovného odeslání požadavku na vytvoření. ##### Pokud je nutné ověřit původní odpověď Uchovejte vrácené X-Client-Request-ID pro spárování záznamů. Načítejte pouze skutečně vrácené hodnoty task\_id/asset\_id nebo vlastní knihovnu médií; nikdy nevytvářejte URL úlohy z ID operace a nikdy znovu neodesílejte požadavek na vytvoření. Pole odpovědi | Pole | Typ | | --- | --- | | Pole`text` | Typ | | Pole`usage` | Typ | | Pole`segments[]` | Typ | | Pole`words[]` | Typ | | Pole`speaker fields` | Typ | | Pole`timestamps` | Typ | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/cs/#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&route=Ultra&caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&fmt=transcriptions) #### Aliasy cest metod Použijte cesty metod uvedené výše. #### Související ID modelů [`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/cs/#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&route=Ultra&caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&fmt=transcriptions) FAQ · NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B Jaké vstupy a výsledky jsou dostupné? `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `audio` → `text` Jaká pole požadavek používá? `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Jaké limity platí? `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Připojte Ailoot k Claude Code, OpenCode, Hermes nebo vlastní aplikaci. ## Společnost a její portfolio projektů Společnost a její portfolio projektů: miliony zákazníků; měsíční tržby v miliardách. ## Nakupujte tokeny se slevou. Sleva předplatného pro pravidelnou práci. Promo kódy až 50% na nákup tokenů. Předplatné Pro pravidelné požadavky vyberte tarif se slevou. Promo kód až 50% Při nákupu zadejte kód. Cena se přepočítá podle probíhající akce. Výdaje v historii U každého požadavku se uloží model, tokeny a částka. [Vybrat předplatné](https://ailoot.ai/docs/cs/billing/subscriptions/) · [Zobrazit ceny modelů](https://ailoot.ai/models/cs/) ## Připojte API k produktu, který prodáváte. SaaS, aplikace a boti podle nabídky a licenční smlouvy Ailoot. Pro přeprodej požádejte o licenci přeprodejce. Komerční aplikace Začleňte generování textu, obrázků, videa a zvuku do placených funkcí své služby. Licence pro přeprodejce Pošlete popis projektu a způsob poskytování přístupu. Vyžádejte písemné podmínky použití a přeprodeje. Dokumenty na webu Nabídka, licenční smlouva a zásady zpracování dat jsou dostupné před připojením. [Požádat o licenci přeprodejce](mailto:support@ailoot.ai) · [Nabídka a licenční smlouva](https://ailoot.ai/legal/offer?lang=cs) ## Ailoot · Společnost a její portfolio projektů Ailoot staví na dlouhodobých provozních zkušenostech, široké klientské základně, stabilních službách a průběžném sledování KPI. Společnost a její portfolio projektů: miliony zákazníků; měsíční tržby v miliardách. Ailoot využívá tyto provozní zkušenosti k poskytování přístupu přes API k funkcím AI v produktech zákazníků, agentech, aplikacích a automatizacích.