{
  "aboutHtml": "<p>Το Parakeet TDT 0.6B v3 είναι το πολύγλωσσο μοντέλο αναγνώρισης ομιλίας της NVIDIA με 600 εκατομμύρια παραμέτρους. Επεκτείνει το μοντέλο v2, που υποστήριζε μόνο αγγλικά, σε 25 ευρωπαϊκές γλώσσες και ανιχνεύει αυτόματα τη γλώσσα του ήχου χωρίς χωριστή γλωσσική προτροπή. Το αποτέλεσμα είναι απομαγνητοφώνηση της ομιλίας, με σημεία στίξης και χρήση κεφαλαίων.</p><p>Οι υποστηριζόμενες γλώσσες είναι βουλγαρικά, κροατικά, τσεχικά, δανικά, ολλανδικά, αγγλικά, εσθονικά, φινλανδικά, γαλλικά, γερμανικά, ελληνικά, ουγγρικά, ιταλικά, λετονικά, λιθουανικά, μαλτέζικα, πολωνικά, πορτογαλικά, ρουμανικά, σλοβακικά, σλοβενικά, ισπανικά, σουηδικά, ρωσικά και ουκρανικά. Αυτή η λίστα ανήκει στην έκδοση v3· οι άλλοι τύποι αποκωδικοποιητών και οι γλωσσικές παραλλαγές Parakeet είναι χωριστά μοντέλα.</p><p>Η αρχιτεκτονική συνδυάζει έναν κωδικοποιητή FastConformer με έναν αποκωδικοποιητή τύπου token-and-duration transducer. Ο κωδικοποιητής μετατρέπει το ακουστικό σήμα σε αναπαραστάσεις· ο αποκωδικοποιητής προβλέπει tokens κειμένου μαζί με τις διάρκειες που απαιτούνται για την προώθηση μέσα στα πλαίσια ήχου. Αυτή η συμπεριφορά TDT τον διακρίνει από τους αποκωδικοποιητές CTC και τους συνήθεις RNN-T της οικογένειας.</p><p>Προετοιμάστε μονοκάναλο ήχο με ρυθμό δειγματοληψίας 16 kHz. Οι άμεσες μορφές εισόδου του δημιουργού είναι WAV και FLAC και τα παραδείγματα υλοποίησής του χρησιμοποιούν έναν επεξεργαστή για την προετοιμασία της κυματομορφής για αναγνώριση. Διατηρείτε το αναγνωριστικό της ηχογράφησης και τον αρχικό ήχο μαζί με το επιστρεφόμενο κείμενο, ώστε η απομαγνητοφώνηση να μπορεί να ελεγχθεί ή να ευθυγραμμιστεί με την πηγή.</p><p>Οι χρονικές σημάνσεις προσθέτουν πληροφορίες χρονισμού στην αναγνωρισμένη ομιλία. Το παράδειγμα NeMo της NVIDIA επιστρέφει χρονισμούς χαρακτήρων, λέξεων και τμημάτων όταν είναι ενεργοποιημένη η παραγωγή χρονικών σημάνσεων. Μια εφαρμογή υποτίτλων ή αρχειοθέτησης μπορεί να χρησιμοποιεί τα όρια τμημάτων για να συνδέει ένα απόσπασμα με την ηχογράφηση ή τους χρονισμούς λέξεων για να εντοπίζει μια συγκεκριμένη φράση. Η απομαγνητοφώνηση και τα πεδία χρονισμού της είναι διαφορετικά μέρη του αποτελέσματος και πρέπει να παραμένουν συνδεδεμένα.</p><p>Για μεγάλες ηχογραφήσεις, η διαμόρφωση προσοχής έχει σημασία. Ο δημιουργός περιγράφει έως 24 λεπτά με πλήρη προσοχή σε A100 με 80 GB και έως τρεις ώρες με τοπική προσοχή. Το παράδειγμά του για εκτεταμένο ήχο ρυθμίζει τον κωδικοποιητή ώστε να χρησιμοποιεί τοπική προσοχή με οριοθετημένα αριστερά και δεξιά συμφραζόμενα. Αυτές οι διάρκειες περιγράφουν συγκεκριμένες διαμορφώσεις του κατασκευαστή και όχι ένα ανεπιφύλακτο όριο για κάθε εγκατάσταση.</p><p>Ο κατασκευαστής δημοσιεύει επίσης μια ροή τμηματικής εξαγωγής συμπερασμάτων για χρήση σε συνεχή ροή. Το παράδειγμά του καθορίζει το μήκος τμήματος και τα αριστερά και δεξιά ακουστικά συμφραζόμενα γύρω από κάθε τμήμα. Πρόκειται για διαφορετική διαδικασία επεξεργασίας από το εγγενές μοντέλο συνεχούς ροής Nemotron που αξιοποιεί κρυφή μνήμη. Μια εφαρμογή πρέπει να διατηρεί την επιλεγμένη διαδικασία και την αρχική χρονική αναφορά όταν συγκεντρώνει την απομαγνητοφώνηση μιας ηχογράφησης από διαδοχικές ενότητες.</p><p>Το μείγμα εκπαίδευσης περιλαμβάνει 10.000 ώρες ομιλίας απομαγνητοφωνημένης από ανθρώπους και 660.000 ώρες δεδομένων Granary με ψευδοετικέτες, με διατήρηση σημείων στίξης και κεφαλαίων. Ο κατασκευαστής υποστηρίζει επίσης τη λεπτομερή προσαρμογή αυτού του δημοσιευμένου σημείου ελέγχου σε άλλο σύνολο δεδομένων ομιλίας μέσω της τεκμηριωμένης ροής εργασίας μοντέλου· το προσαρμοσμένο σημείο ελέγχου παραμένει χωριστό από το βασικό μοντέλο v3. Η έξοδος κειμένου του μοντέλου είναι επομένως κατάλληλη ως στάδιο μετατροπής ομιλίας σε κείμενο μιας μεγαλύτερης ροής εργασίας. Ένα αρχείο συναντήσεων μπορεί να επισυνάπτει την απομαγνητοφώνηση στην ηχογράφηση· μια εφαρμογή αναζήτησης μπορεί να ευρετηριάζει το αναγνωρισμένο απόσπασμα· ένα εργαλείο υποτιτλισμού μπορεί να χρησιμοποιεί τα επιστρεφόμενα μεταδεδομένα χρονισμού.</p><p>Η ποιότητα αναγνώρισης διαφέρει ανάλογα με τη γλώσσα, την προφορά, τον θόρυβο και τον τύπο ομιλίας. Ο κατασκευαστής επισημαίνει ειδικά ότι λεξιλόγιο που δεν εκπροσωπήθηκε κατά την εκπαίδευση μπορεί να μην αναγνωριστεί και ότι μεμονωμένες λέξεις ή ατελείς προτάσεις παρέχουν ασθενέστερα συμφραζόμενα. Διατηρείτε τον αρχικό ήχο για τον έλεγχο ονομάτων και εξειδικευμένων όρων αντί να μετατρέπετε μια αβέβαιη αναγνώριση σε επαληθευμένο γεγονός.</p><p>Το χρήσιμο παραδοτέο είναι η απομαγνητοφώνηση με τις ζητούμενες πληροφορίες χρονισμού. Οι συνόψεις, οι μεταφράσεις, η ανάλυση ομιλητών και οι ενέργειες είναι χωριστές εργασίες της εφαρμογής, όχι δυνατότητες που υπονοούνται από την ονομασία μετατροπής ομιλίας σε κείμενο. Διατηρείτε την ταυτότητα v3 και τη λειτουργία προσοχής του κατασκευαστή διακριτές από άλλα σημεία ελέγχου και από μετατρεμμένα ή κβαντισμένα αρχεία μοντέλου.</p>",
  "aboutText": "Το Parakeet TDT 0.6B v3 είναι το πολύγλωσσο μοντέλο αναγνώρισης ομιλίας της NVIDIA με 600 εκατομμύρια παραμέτρους. Επεκτείνει το μοντέλο v2, που υποστήριζε μόνο αγγλικά, σε 25 ευρωπαϊκές γλώσσες και ανιχνεύει αυτόματα τη γλώσσα του ήχου χωρίς χωριστή γλωσσική προτροπή. Το αποτέλεσμα είναι απομαγνητοφώνηση της ομιλίας, με σημεία στίξης και χρήση κεφαλαίων.\n\nΟι υποστηριζόμενες γλώσσες είναι βουλγαρικά, κροατικά, τσεχικά, δανικά, ολλανδικά, αγγλικά, εσθονικά, φινλανδικά, γαλλικά, γερμανικά, ελληνικά, ουγγρικά, ιταλικά, λετονικά, λιθουανικά, μαλτέζικα, πολωνικά, πορτογαλικά, ρουμανικά, σλοβακικά, σλοβενικά, ισπανικά, σουηδικά, ρωσικά και ουκρανικά. Αυτή η λίστα ανήκει στην έκδοση v3· οι άλλοι τύποι αποκωδικοποιητών και οι γλωσσικές παραλλαγές Parakeet είναι χωριστά μοντέλα.\n\nΗ αρχιτεκτονική συνδυάζει έναν κωδικοποιητή FastConformer με έναν αποκωδικοποιητή τύπου token-and-duration transducer. Ο κωδικοποιητής μετατρέπει το ακουστικό σήμα σε αναπαραστάσεις· ο αποκωδικοποιητής προβλέπει tokens κειμένου μαζί με τις διάρκειες που απαιτούνται για την προώθηση μέσα στα πλαίσια ήχου. Αυτή η συμπεριφορά TDT τον διακρίνει από τους αποκωδικοποιητές CTC και τους συνήθεις RNN-T της οικογένειας.\n\nΠροετοιμάστε μονοκάναλο ήχο με ρυθμό δειγματοληψίας 16 kHz. Οι άμεσες μορφές εισόδου του δημιουργού είναι WAV και FLAC και τα παραδείγματα υλοποίησής του χρησιμοποιούν έναν επεξεργαστή για την προετοιμασία της κυματομορφής για αναγνώριση. Διατηρείτε το αναγνωριστικό της ηχογράφησης και τον αρχικό ήχο μαζί με το επιστρεφόμενο κείμενο, ώστε η απομαγνητοφώνηση να μπορεί να ελεγχθεί ή να ευθυγραμμιστεί με την πηγή.\n\nΟι χρονικές σημάνσεις προσθέτουν πληροφορίες χρονισμού στην αναγνωρισμένη ομιλία. Το παράδειγμα NeMo της NVIDIA επιστρέφει χρονισμούς χαρακτήρων, λέξεων και τμημάτων όταν είναι ενεργοποιημένη η παραγωγή χρονικών σημάνσεων. Μια εφαρμογή υποτίτλων ή αρχειοθέτησης μπορεί να χρησιμοποιεί τα όρια τμημάτων για να συνδέει ένα απόσπασμα με την ηχογράφηση ή τους χρονισμούς λέξεων για να εντοπίζει μια συγκεκριμένη φράση. Η απομαγνητοφώνηση και τα πεδία χρονισμού της είναι διαφορετικά μέρη του αποτελέσματος και πρέπει να παραμένουν συνδεδεμένα.\n\nΓια μεγάλες ηχογραφήσεις, η διαμόρφωση προσοχής έχει σημασία. Ο δημιουργός περιγράφει έως 24 λεπτά με πλήρη προσοχή σε A100 με 80 GB και έως τρεις ώρες με τοπική προσοχή. Το παράδειγμά του για εκτεταμένο ήχο ρυθμίζει τον κωδικοποιητή ώστε να χρησιμοποιεί τοπική προσοχή με οριοθετημένα αριστερά και δεξιά συμφραζόμενα. Αυτές οι διάρκειες περιγράφουν συγκεκριμένες διαμορφώσεις του κατασκευαστή και όχι ένα ανεπιφύλακτο όριο για κάθε εγκατάσταση.\n\nΟ κατασκευαστής δημοσιεύει επίσης μια ροή τμηματικής εξαγωγής συμπερασμάτων για χρήση σε συνεχή ροή. Το παράδειγμά του καθορίζει το μήκος τμήματος και τα αριστερά και δεξιά ακουστικά συμφραζόμενα γύρω από κάθε τμήμα. Πρόκειται για διαφορετική διαδικασία επεξεργασίας από το εγγενές μοντέλο συνεχούς ροής Nemotron που αξιοποιεί κρυφή μνήμη. Μια εφαρμογή πρέπει να διατηρεί την επιλεγμένη διαδικασία και την αρχική χρονική αναφορά όταν συγκεντρώνει την απομαγνητοφώνηση μιας ηχογράφησης από διαδοχικές ενότητες.\n\nΤο μείγμα εκπαίδευσης περιλαμβάνει 10.000 ώρες ομιλίας απομαγνητοφωνημένης από ανθρώπους και 660.000 ώρες δεδομένων Granary με ψευδοετικέτες, με διατήρηση σημείων στίξης και κεφαλαίων. Ο κατασκευαστής υποστηρίζει επίσης τη λεπτομερή προσαρμογή αυτού του δημοσιευμένου σημείου ελέγχου σε άλλο σύνολο δεδομένων ομιλίας μέσω της τεκμηριωμένης ροής εργασίας μοντέλου· το προσαρμοσμένο σημείο ελέγχου παραμένει χωριστό από το βασικό μοντέλο v3. Η έξοδος κειμένου του μοντέλου είναι επομένως κατάλληλη ως στάδιο μετατροπής ομιλίας σε κείμενο μιας μεγαλύτερης ροής εργασίας. Ένα αρχείο συναντήσεων μπορεί να επισυνάπτει την απομαγνητοφώνηση στην ηχογράφηση· μια εφαρμογή αναζήτησης μπορεί να ευρετηριάζει το αναγνωρισμένο απόσπασμα· ένα εργαλείο υποτιτλισμού μπορεί να χρησιμοποιεί τα επιστρεφόμενα μεταδεδομένα χρονισμού.\n\nΗ ποιότητα αναγνώρισης διαφέρει ανάλογα με τη γλώσσα, την προφορά, τον θόρυβο και τον τύπο ομιλίας. Ο κατασκευαστής επισημαίνει ειδικά ότι λεξιλόγιο που δεν εκπροσωπήθηκε κατά την εκπαίδευση μπορεί να μην αναγνωριστεί και ότι μεμονωμένες λέξεις ή ατελείς προτάσεις παρέχουν ασθενέστερα συμφραζόμενα. Διατηρείτε τον αρχικό ήχο για τον έλεγχο ονομάτων και εξειδικευμένων όρων αντί να μετατρέπετε μια αβέβαιη αναγνώριση σε επαληθευμένο γεγονός.\n\nΤο χρήσιμο παραδοτέο είναι η απομαγνητοφώνηση με τις ζητούμενες πληροφορίες χρονισμού. Οι συνόψεις, οι μεταφράσεις, η ανάλυση ομιλητών και οι ενέργειες είναι χωριστές εργασίες της εφαρμογής, όχι δυνατότητες που υπονοούνται από την ονομασία μετατροπής ομιλίας σε κείμενο. Διατηρείτε την ταυτότητα v3 και τη λειτουργία προσοχής του κατασκευαστή διακριτές από άλλα σημεία ελέγχου και από μετατρεμμένα ή κβαντισμένα αρχεία μοντέλου.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "e4f36aee49eca024187359be0564a40666bb1b15c645df62d405660737747103",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "el",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">NV</span><h2 id=\"sheet-title\">NVIDIA: Parakeet TDT 0.6B v3</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Κλείσιμο\">×</button></div><div class=\"idline\"><span>NVIDIA /</span><code>nvidia/parakeet-tdt-0.6b-v3</code><button type=\"button\" id=\"copy-id\">Αντιγραφή ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Ενότητες κάρτας μοντέλου\"><button type=\"button\" data-card-jump=\"overview\">Εισαγωγή</button><button type=\"button\" data-card-jump=\"methods\">Είσοδοι και μέθοδοι</button><button type=\"button\" data-card-jump=\"pricing\">Τιμολόγηση</button><button type=\"button\" data-card-jump=\"examples\">Παραδείγματα</button><button type=\"button\" data-card-jump=\"results\">Αποτελέσματα</button><button type=\"button\" data-card-jump=\"aliases\">Εναλλακτικά ονόματα</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Μέθοδοι API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|transcriptions|/v1/audio/transcriptions|nvidia%2Fparakeet-tdt-0.6b-v3\">Αναγνώριση</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Εισαγωγή</h3><p class=\"mdesc-full\">Το Parakeet TDT 0.6B v3 της NVIDIA είναι ένα μοντέλο μετατροπής ομιλίας σε κείμενο με 600M παραμέτρους για 25 ευρωπαϊκές γλώσσες, με αυτόματη ανίχνευση γλώσσας. Παράγει απομαγνητοφωνήσεις με σημεία στίξης και υποστηρίζει χρονικές σημάνσεις λέξεων και τμημάτων, με λειτουργίες εκτεταμένου ήχου που συνδέονται με τη διαμόρφωση προσοχής του κατασκευαστή.</p><dl class=\"card-io\" data-card-io><div><dt>Αποδεκτές είσοδοι</dt><dd>Ήχος</dd></div><div><dt>Αποτελέσματα</dt><dd>Κείμενο</dd></div></dl><details class=\"card-about\"><summary>Σχετικά με το μοντέλο</summary><p class=\"note-s\" data-model-method-boundary>Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.</p><div class=\"mabout\" id=\"m-about\"><p>Το Parakeet TDT 0.6B v3 είναι το πολύγλωσσο μοντέλο αναγνώρισης ομιλίας της NVIDIA με 600 εκατομμύρια παραμέτρους. Επεκτείνει το μοντέλο v2, που υποστήριζε μόνο αγγλικά, σε 25 ευρωπαϊκές γλώσσες και ανιχνεύει αυτόματα τη γλώσσα του ήχου χωρίς χωριστή γλωσσική προτροπή. Το αποτέλεσμα είναι απομαγνητοφώνηση της ομιλίας, με σημεία στίξης και χρήση κεφαλαίων.</p><p>Οι υποστηριζόμενες γλώσσες είναι βουλγαρικά, κροατικά, τσεχικά, δανικά, ολλανδικά, αγγλικά, εσθονικά, φινλανδικά, γαλλικά, γερμανικά, ελληνικά, ουγγρικά, ιταλικά, λετονικά, λιθουανικά, μαλτέζικα, πολωνικά, πορτογαλικά, ρουμανικά, σλοβακικά, σλοβενικά, ισπανικά, σουηδικά, ρωσικά και ουκρανικά. Αυτή η λίστα ανήκει στην έκδοση v3· οι άλλοι τύποι αποκωδικοποιητών και οι γλωσσικές παραλλαγές Parakeet είναι χωριστά μοντέλα.</p><p>Η αρχιτεκτονική συνδυάζει έναν κωδικοποιητή FastConformer με έναν αποκωδικοποιητή τύπου token-and-duration transducer. Ο κωδικοποιητής μετατρέπει το ακουστικό σήμα σε αναπαραστάσεις· ο αποκωδικοποιητής προβλέπει tokens κειμένου μαζί με τις διάρκειες που απαιτούνται για την προώθηση μέσα στα πλαίσια ήχου. Αυτή η συμπεριφορά TDT τον διακρίνει από τους αποκωδικοποιητές CTC και τους συνήθεις RNN-T της οικογένειας.</p><p>Προετοιμάστε μονοκάναλο ήχο με ρυθμό δειγματοληψίας 16 kHz. Οι άμεσες μορφές εισόδου του δημιουργού είναι WAV και FLAC και τα παραδείγματα υλοποίησής του χρησιμοποιούν έναν επεξεργαστή για την προετοιμασία της κυματομορφής για αναγνώριση. Διατηρείτε το αναγνωριστικό της ηχογράφησης και τον αρχικό ήχο μαζί με το επιστρεφόμενο κείμενο, ώστε η απομαγνητοφώνηση να μπορεί να ελεγχθεί ή να ευθυγραμμιστεί με την πηγή.</p><p>Οι χρονικές σημάνσεις προσθέτουν πληροφορίες χρονισμού στην αναγνωρισμένη ομιλία. Το παράδειγμα NeMo της NVIDIA επιστρέφει χρονισμούς χαρακτήρων, λέξεων και τμημάτων όταν είναι ενεργοποιημένη η παραγωγή χρονικών σημάνσεων. Μια εφαρμογή υποτίτλων ή αρχειοθέτησης μπορεί να χρησιμοποιεί τα όρια τμημάτων για να συνδέει ένα απόσπασμα με την ηχογράφηση ή τους χρονισμούς λέξεων για να εντοπίζει μια συγκεκριμένη φράση. Η απομαγνητοφώνηση και τα πεδία χρονισμού της είναι διαφορετικά μέρη του αποτελέσματος και πρέπει να παραμένουν συνδεδεμένα.</p><p>Για μεγάλες ηχογραφήσεις, η διαμόρφωση προσοχής έχει σημασία. Ο δημιουργός περιγράφει έως 24 λεπτά με πλήρη προσοχή σε A100 με 80 GB και έως τρεις ώρες με τοπική προσοχή. Το παράδειγμά του για εκτεταμένο ήχο ρυθμίζει τον κωδικοποιητή ώστε να χρησιμοποιεί τοπική προσοχή με οριοθετημένα αριστερά και δεξιά συμφραζόμενα. Αυτές οι διάρκειες περιγράφουν συγκεκριμένες διαμορφώσεις του κατασκευαστή και όχι ένα ανεπιφύλακτο όριο για κάθε εγκατάσταση.</p><p>Ο κατασκευαστής δημοσιεύει επίσης μια ροή τμηματικής εξαγωγής συμπερασμάτων για χρήση σε συνεχή ροή. Το παράδειγμά του καθορίζει το μήκος τμήματος και τα αριστερά και δεξιά ακουστικά συμφραζόμενα γύρω από κάθε τμήμα. Πρόκειται για διαφορετική διαδικασία επεξεργασίας από το εγγενές μοντέλο συνεχούς ροής Nemotron που αξιοποιεί κρυφή μνήμη. Μια εφαρμογή πρέπει να διατηρεί την επιλεγμένη διαδικασία και την αρχική χρονική αναφορά όταν συγκεντρώνει την απομαγνητοφώνηση μιας ηχογράφησης από διαδοχικές ενότητες.</p><p>Το μείγμα εκπαίδευσης περιλαμβάνει 10.000 ώρες ομιλίας απομαγνητοφωνημένης από ανθρώπους και 660.000 ώρες δεδομένων Granary με ψευδοετικέτες, με διατήρηση σημείων στίξης και κεφαλαίων. Ο κατασκευαστής υποστηρίζει επίσης τη λεπτομερή προσαρμογή αυτού του δημοσιευμένου σημείου ελέγχου σε άλλο σύνολο δεδομένων ομιλίας μέσω της τεκμηριωμένης ροής εργασίας μοντέλου· το προσαρμοσμένο σημείο ελέγχου παραμένει χωριστό από το βασικό μοντέλο v3. Η έξοδος κειμένου του μοντέλου είναι επομένως κατάλληλη ως στάδιο μετατροπής ομιλίας σε κείμενο μιας μεγαλύτερης ροής εργασίας. Ένα αρχείο συναντήσεων μπορεί να επισυνάπτει την απομαγνητοφώνηση στην ηχογράφηση· μια εφαρμογή αναζήτησης μπορεί να ευρετηριάζει το αναγνωρισμένο απόσπασμα· ένα εργαλείο υποτιτλισμού μπορεί να χρησιμοποιεί τα επιστρεφόμενα μεταδεδομένα χρονισμού.</p><p>Η ποιότητα αναγνώρισης διαφέρει ανάλογα με τη γλώσσα, την προφορά, τον θόρυβο και τον τύπο ομιλίας. Ο κατασκευαστής επισημαίνει ειδικά ότι λεξιλόγιο που δεν εκπροσωπήθηκε κατά την εκπαίδευση μπορεί να μην αναγνωριστεί και ότι μεμονωμένες λέξεις ή ατελείς προτάσεις παρέχουν ασθενέστερα συμφραζόμενα. Διατηρείτε τον αρχικό ήχο για τον έλεγχο ονομάτων και εξειδικευμένων όρων αντί να μετατρέπετε μια αβέβαιη αναγνώριση σε επαληθευμένο γεγονός.</p><p>Το χρήσιμο παραδοτέο είναι η απομαγνητοφώνηση με τις ζητούμενες πληροφορίες χρονισμού. Οι συνόψεις, οι μεταφράσεις, η ανάλυση ομιλητών και οι ενέργειες είναι χωριστές εργασίες της εφαρμογής, όχι δυνατότητες που υπονοούνται από την ονομασία μετατροπής ομιλίας σε κείμενο. Διατηρείτε την ταυτότητα v3 και τη λειτουργία προσοχής του κατασκευαστή διακριτές από άλλα σημεία ελέγχου και από μετατρεμμένα ή κβαντισμένα αρχεία μοντέλου.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Απομαγνητοφώνηση</b> <code>POST /v1/audio/transcriptions</code></summary><dl class=\"method-capabilities\"><div><dt>Είσοδος</dt><dd><code>audio</code></dd></div><div><dt>Έξοδος</dt><dd><code>text</code></dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Πεδίο</th><th>Τύπος</th><th>Απαίτηση</th><th>Τιμές και όρια</th><th>Προεπιλογή</th></tr></thead><tbody><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>nvidia/parakeet-tdt-0.6b-v3</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">input_audio</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>object</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">language</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">temperature</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>number</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>Ελάχιστο: 0</div><div>Μέγιστο: 1</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">response_format</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>json, verbose_json</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"known\"><span class=\"card-cell-label\">Προεπιλογή</span>json</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">timestamp_granularities</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>array</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>object</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Παράμετροι και κύκλος ζωής μεθόδου</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Παράμετρος</th><th>Σύμβαση</th></tr></thead><tbody><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>content_type</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>application/json</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>required</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>model, input_audio</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>material_types</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>audio</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>material_conditions</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>Διαβάστε πραγματικό αρχείο WAV και κωδικοποιήστε τα πραγματικά byte του για τη δηλωμένη είσοδο JSON input_audio· δεν παρουσιάζεται διαδρομή multipart για αυτή την ακριβή δήλωση αποκλειστικής χρήσης JSON.</td></tr></tbody></table></div><p>Κύκλος ζωής: <code>synchronous_result_then_owned_library</code></p><p class=\"note-s\"><code>GET /v1/media/tasks/{task_id}</code> · Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων</p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}/content</code></p><p class=\"note-s\"><code>GET /v1/media/assets</code></p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Τιμολόγηση</h3><div class=\"card-result-process\" data-billing-basis><h5>Πώς υπολογίζεται η τελική χρέωση</h5><p class=\"note-s\">Οι εμφανιζόμενες τιμές χρησιμοποιούνται για την εκτίμηση του κόστους πριν από την παραγωγή. Η τελική χρέωση υπολογίζεται από το κόστος που καταγράφηκε για την αρχική παραγωγή. Η μετρημένη διάρκεια της εξόδου και οι προβλεπόμενες ποσότητες δεν αποτελούν την τελική χρεώσιμη ποσότητα.</p></div><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.</p><dl data-price-conditions><dt>Γρήγορη λειτουργία</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν επιλέγεται η γρήγορη λειτουργία</span></dd><dt>Λειτουργία flex</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν επιλέγεται η λειτουργία flex</span></dd><dt>Μέγιστη προσπάθεια συλλογισμού</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default</span></dd></dl></div><div data-declared-tariff-pricing><h4>Εκτιμώμενες χρεώσεις για σύγκριση</h4><h4>Τιμές ανά διαμόρφωση</h4><p class=\"note-s\">Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Διαμόρφωση</th><th>Πίνακας χρεώσεων</th><th>Προβλεπόμενη ποσότητα</th><th>Μονάδα τιμολόγησης</th><th>Χρέωση</th></tr></thead><tbody><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>Βασικές χρεώσεις token</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>Βασική χρέωση</td><td data-cell-label=\"Προβλεπόμενη ποσότητα\"><span class=\"card-cell-label\">Προβλεπόμενη ποσότητα</span>—</td><td data-cell-label=\"Μονάδα τιμολόγησης\"><span class=\"card-cell-label\">Μονάδα τιμολόγησης</span>—</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · Token εισόδου · Εκτίμηση μόνο για σύγκριση</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Έξοδος · Token εξόδου · Εκτίμηση μόνο για σύγκριση</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Ανάγνωση από την κρυφή μνήμη · Εκτίμηση μόνο για σύγκριση</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη · Εκτίμηση μόνο για σύγκριση</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα · Εκτίμηση μόνο για σύγκριση</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>δευτερόλεπτο ήχου εισόδου</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>—</td><td data-cell-label=\"Προβλεπόμενη ποσότητα\"><span class=\"card-cell-label\">Προβλεπόμενη ποσότητα</span>—</td><td data-cell-label=\"Μονάδα τιμολόγησης\"><span class=\"card-cell-label\">Μονάδα τιμολόγησης</span>ανά δευτερόλεπτο ήχου εισόδου</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · δευτερόλεπτο ήχου εισόδου · Εκτίμηση μόνο για σύγκριση</span> <b>$0.00005</b> <span class=\"price-unit\">ανά δευτερόλεπτο ήχου εισόδου</span></div></td></tr><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>Εκτιμώμενο κόστος δημιουργίας</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>—</td><td data-cell-label=\"Προβλεπόμενη ποσότητα\"><span class=\"card-cell-label\">Προβλεπόμενη ποσότητα</span>εκτίμηση για μία δημιουργία</td><td data-cell-label=\"Μονάδα τιμολόγησης\"><span class=\"card-cell-label\">Μονάδα τιμολόγησης</span>—</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Έξοδος · Εκτιμώμενο κόστος δημιουργίας · Εκτίμηση μόνο για σύγκριση</span> <b>$0.00005</b> <span class=\"price-unit\">εκτίμηση πριν από τη δημιουργία</span></div><p class=\"note-s\">Αυτή η εκτίμηση δεν αποτελεί πρόσθετη χρέωση ούτε σταθερή τιμή για την ολοκληρωμένη παραγωγή.</p></td></tr></tbody></table></div></div><p class=\"note-s\">Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. <a href=\"/docs/el/billing/reserve/\">Πώς λειτουργούν η δέσμευση και η εκκαθάριση →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Παραδείγματα αιτημάτων</h3><h4>Ailoot Ultra · Απομαγνητοφώνηση</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Παραλλαγές κώδικα\"><button class=\"cg-tab\" id=\"model-code-2006-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2006-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · ακριβές εγγενές σώμα και πλήρες αποτέλεσμα</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Αντιγραφή κώδικα\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2006-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2006-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}&quot;\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ[&#39;AILOOT_AUDIO_FILE&#39;]).read_bytes()\nif not (audio[:4]==b&#39;RIFF&#39; and audio[8:12]==b&#39;WAVE&#39;): raise SystemExit(&#39;Supply an actual WAV audio file&#39;)\nif len(audio)&gt;26214400: raise SystemExit(&#39;Use a documented supported large-file flow&#39;)\nrequest={&#39;model&#39;: &#39;nvidia/parakeet-tdt-0.6b-v3&#39;, &#39;input_audio&#39;: {&#39;data&#39;: &#39;${BASE64_ACTUAL_WAV_BYTES}&#39;, &#39;format&#39;: &#39;wav&#39;}}\nrequest[&#39;input_audio&#39;][&#39;data&#39;]=base64.b64encode(audio).decode(&#39;ascii&#39;)\nPath(&#39;request.json&#39;).write_text(json.dumps(request,ensure_ascii=False),encoding=&#39;utf-8&#39;)\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Λήψη και αποθήκευση αποτελεσμάτων</h3><h4>Ailoot Ultra · Απομαγνητοφώνηση</h4><ul class=\"card-result-paths\"><li><code>GET /v1/media/tasks/{task_id}</code></li><li><code>GET /v1/media/assets/{asset_id}/content</code></li><li><code>GET /v1/media/assets</code></li><li><code>GET /v1/media/assets/{asset_id}</code></li></ul><details class=\"card-about\"><summary>Άλλες ανακτήσεις περιεχομένου</summary><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Παραλλαγές κώδικα\"><button class=\"cg-tab\" id=\"model-code-2007-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2007-panel-0\" aria-selected=\"true\" tabindex=\"0\">Ανάκτηση υπαρχόντων αρχείων που σας ανήκουν</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Αντιγραφή κώδικα\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2007-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2007-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n</code></pre></div></div></div></details><div class=\"card-result-process\" data-all-results><h5>Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα</h5><p class=\"note-s\">Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.</p><p class=\"note-s\">Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Αν χρειάζεται έλεγχος της αρχικής απάντησης</h5><p class=\"note-s\">Διατηρήστε το X-Client-Request-ID που επιστράφηκε για τη συμφωνία των εγγραφών. Διαβάστε μόνο πραγματικές τιμές task_id/asset_id που επιστράφηκαν ή τη βιβλιοθήκη πολυμέσων που σας ανήκει· μην κατασκευάσετε ποτέ URL εργασίας από το ID της λειτουργίας και μην υποβάλετε ποτέ ξανά αίτημα δημιουργίας.</p></div><details class=\"card-about\" data-output-fields><summary>Πεδία απάντησης</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Πεδίο</th><th>Τύπος</th></tr></thead><tbody><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">text</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">segments[]</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">words[]</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">speaker fields</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">timestamps</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Εναλλακτικά ονόματα</h3><h4>Εναλλακτικά ονόματα μοντέλου</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=nvidia%2Fparakeet-tdt-0.6b-v3&amp;route=Ultra&amp;caller=nvidia%2Fparakeet-tdt-0.6b-v3&amp;fmt=transcriptions\"><code>nvidia/parakeet-tdt-0.6b-v3</code></a></span></p><h4>Εναλλακτικές διαδρομές μεθόδων</h4><p class=\"note-s\">Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.</p><h4>Σχετικά ID μοντέλων</h4><p class=\"note-s\"><a href=\"#m=nvidia%2Fparakeet-tdt-0.6b-v3&amp;route=Ultra&amp;caller=nvidia%2Fparakeet-tdt-0.6b-v3&amp;fmt=transcriptions\"><code>nvidia/parakeet-tdt-0.6b-v3</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "nvidia/parakeet-tdt-0.6b-v3",
        "fmt": "transcriptions",
        "http": "POST",
        "path": "/v1/audio/transcriptions",
        "request_model_id": "nvidia/parakeet-tdt-0.6b-v3",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|nvidia%2Fparakeet-tdt-0.6b-v3",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "billing_basis": {
          "basis": "original_invoice_usd",
          "description": "Οι εμφανιζόμενες τιμές χρησιμοποιούνται για την εκτίμηση του κόστους πριν από την παραγωγή. Η τελική χρέωση υπολογίζεται από το κόστος που καταγράφηκε για την αρχική παραγωγή. Η μετρημένη διάρκεια της εξόδου και οι προβλεπόμενες ποσότητες δεν αποτελούν την τελική χρεώσιμη ποσότητα.",
          "forecast_quantity_is_estimate": true,
          "physical_output_is_billable_quantity": false,
          "version": "original_invoice_usd_v1"
        },
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Διατηρήστε το X-Client-Request-ID που επιστράφηκε για τη συμφωνία των εγγραφών. Διαβάστε μόνο πραγματικές τιμές task_id/asset_id που επιστράφηκαν ή τη βιβλιοθήκη πολυμέσων που σας ανήκει· μην κατασκευάσετε ποτέ URL εργασίας από το ID της λειτουργίας και μην υποβάλετε ποτέ ξανά αίτημα δημιουργίας."
            },
            "outputs": {
              "all_results": "Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.",
              "family": "text",
              "fields": [
                {
                  "description": null,
                  "name": "text",
                  "type": null
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": null
                },
                {
                  "description": null,
                  "name": "segments[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "words[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "speaker fields",
                  "type": null
                },
                {
                  "description": null,
                  "name": "timestamps",
                  "type": null
                }
              ]
            },
            "parameters": [
              {
                "enum": [
                  "nvidia/parakeet-tdt-0.6b-v3"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default": "json",
                "default_known": true,
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "nvidia/parakeet-tdt-0.6b-v3"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "required": [
                "model",
                "input_audio"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": true,
              "body": {
                "input_audio": {
                  "data": "${BASE64_ACTUAL_WAV_BYTES}",
                  "format": "wav"
                },
                "model": "nvidia/parakeet-tdt-0.6b-v3"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Διαβάστε πραγματικό αρχείο WAV και κωδικοποιήστε τα πραγματικά byte του για τη δηλωμένη είσοδο JSON input_audio· δεν παρουσιάζεται διαδρομή multipart για αυτή την ακριβή δήλωση αποκλειστικής χρήσης JSON."
            ],
            "material_types": [
              "audio"
            ],
            "required": [
              "model",
              "input_audio"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "text",
            "fields": [
              {
                "description": null,
                "name": "text",
                "type": null
              },
              {
                "description": null,
                "name": "usage",
                "type": null
              },
              {
                "description": null,
                "name": "segments[]",
                "type": null
              },
              {
                "description": null,
                "name": "words[]",
                "type": null
              },
              {
                "description": null,
                "name": "speaker fields",
                "type": null
              },
              {
                "description": null,
                "name": "timestamps",
                "type": null
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.00005",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.00005",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "Αυτή η εκτίμηση δεν αποτελεί πρόσθετη χρέωση ούτε σταθερή τιμή για την ολοκληρωμένη παραγωγή.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Εκτιμώμενο κόστος δημιουργίας",
            "units": [
              {
                "amount": "0.00005",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00005",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'nvidia/parakeet-tdt-0.6b-v3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          },
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n",
            "label": "Read existing owned assets",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact caller model ID and documented input representation.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Απομαγνητοφώνηση",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "audio_transcriptions",
        "out": null,
        "output": [
          "text"
        ],
        "path": "/v1/audio/transcriptions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "original_invoice_usd",
          "image_input_price": null,
          "image_output_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.00005",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.00005",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Estimated generation cost",
            "units": [
              {
                "amount": "0.00005",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00005",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/parakeet-tdt-0.6b-v3",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}"
        ],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.00005",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "audio_input_second",
            "label": "input audio second",
            "native_amount_usd_per_unit": "0.00005",
            "native_quantity": 1,
            "public_unit_label": "per input audio second",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          },
          {
            "amount": "0.00005",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.00005",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ]
      }
    }
  ],
  "model_id": "nvidia/parakeet-tdt-0.6b-v3",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "54e656d2773fd10d45af78c2c8816274fcd91ad2361e10208491052cf605f06e",
    "input_html_sha256": "401a695bd28cac0ac203585f5ca1c81de040ad3d6c551db5a16b1a901b20d1bc",
    "private_audit_sha256": "c12ed6870be444fafc3a9f4e32802ebd767f064e0a91fed084720e65b6035f8d",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/el/nvidia-parakeet-tdt-0-6b-v3/",
    "description": "Το Parakeet TDT 0.6B v3 της NVIDIA είναι ένα μοντέλο μετατροπής ομιλίας σε κείμενο με 600M παραμέτρους για 25 ευρωπαϊκές γλώσσες, με αυτόματη ανίχνευση γλώσσας. Παράγει απομαγνητοφωνήσεις με σημεία στίξης και υποστηρίζει χρονικές σημάνσεις λέξεων και τμημάτων, με λειτουργίες εκτεταμένου ήχου που συνδέονται με τη διαμόρφωση προσοχής του κατασκευαστή.",
    "locale": "el",
    "md_url": "https://ailoot.ai/models/el/nvidia-parakeet-tdt-0-6b-v3/index.md",
    "title": "NVIDIA: Parakeet TDT 0.6B v3 — Ailoot",
    "url": "https://ailoot.ai/models/el/nvidia-parakeet-tdt-0-6b-v3/"
  },
  "rawModel": {
    "about": "Το Parakeet TDT 0.6B v3 είναι το πολύγλωσσο μοντέλο αναγνώρισης ομιλίας της NVIDIA με 600 εκατομμύρια παραμέτρους. Επεκτείνει το μοντέλο v2, που υποστήριζε μόνο αγγλικά, σε 25 ευρωπαϊκές γλώσσες και ανιχνεύει αυτόματα τη γλώσσα του ήχου χωρίς χωριστή γλωσσική προτροπή. Το αποτέλεσμα είναι απομαγνητοφώνηση της ομιλίας, με σημεία στίξης και χρήση κεφαλαίων.\n\nΟι υποστηριζόμενες γλώσσες είναι βουλγαρικά, κροατικά, τσεχικά, δανικά, ολλανδικά, αγγλικά, εσθονικά, φινλανδικά, γαλλικά, γερμανικά, ελληνικά, ουγγρικά, ιταλικά, λετονικά, λιθουανικά, μαλτέζικα, πολωνικά, πορτογαλικά, ρουμανικά, σλοβακικά, σλοβενικά, ισπανικά, σουηδικά, ρωσικά και ουκρανικά. Αυτή η λίστα ανήκει στην έκδοση v3· οι άλλοι τύποι αποκωδικοποιητών και οι γλωσσικές παραλλαγές Parakeet είναι χωριστά μοντέλα.\n\nΗ αρχιτεκτονική συνδυάζει έναν κωδικοποιητή FastConformer με έναν αποκωδικοποιητή τύπου token-and-duration transducer. Ο κωδικοποιητής μετατρέπει το ακουστικό σήμα σε αναπαραστάσεις· ο αποκωδικοποιητής προβλέπει tokens κειμένου μαζί με τις διάρκειες που απαιτούνται για την προώθηση μέσα στα πλαίσια ήχου. Αυτή η συμπεριφορά TDT τον διακρίνει από τους αποκωδικοποιητές CTC και τους συνήθεις RNN-T της οικογένειας.\n\nΠροετοιμάστε μονοκάναλο ήχο με ρυθμό δειγματοληψίας 16 kHz. Οι άμεσες μορφές εισόδου του δημιουργού είναι WAV και FLAC και τα παραδείγματα υλοποίησής του χρησιμοποιούν έναν επεξεργαστή για την προετοιμασία της κυματομορφής για αναγνώριση. Διατηρείτε το αναγνωριστικό της ηχογράφησης και τον αρχικό ήχο μαζί με το επιστρεφόμενο κείμενο, ώστε η απομαγνητοφώνηση να μπορεί να ελεγχθεί ή να ευθυγραμμιστεί με την πηγή.\n\nΟι χρονικές σημάνσεις προσθέτουν πληροφορίες χρονισμού στην αναγνωρισμένη ομιλία. Το παράδειγμα NeMo της NVIDIA επιστρέφει χρονισμούς χαρακτήρων, λέξεων και τμημάτων όταν είναι ενεργοποιημένη η παραγωγή χρονικών σημάνσεων. Μια εφαρμογή υποτίτλων ή αρχειοθέτησης μπορεί να χρησιμοποιεί τα όρια τμημάτων για να συνδέει ένα απόσπασμα με την ηχογράφηση ή τους χρονισμούς λέξεων για να εντοπίζει μια συγκεκριμένη φράση. Η απομαγνητοφώνηση και τα πεδία χρονισμού της είναι διαφορετικά μέρη του αποτελέσματος και πρέπει να παραμένουν συνδεδεμένα.\n\nΓια μεγάλες ηχογραφήσεις, η διαμόρφωση προσοχής έχει σημασία. Ο δημιουργός περιγράφει έως 24 λεπτά με πλήρη προσοχή σε A100 με 80 GB και έως τρεις ώρες με τοπική προσοχή. Το παράδειγμά του για εκτεταμένο ήχο ρυθμίζει τον κωδικοποιητή ώστε να χρησιμοποιεί τοπική προσοχή με οριοθετημένα αριστερά και δεξιά συμφραζόμενα. Αυτές οι διάρκειες περιγράφουν συγκεκριμένες διαμορφώσεις του κατασκευαστή και όχι ένα ανεπιφύλακτο όριο για κάθε εγκατάσταση.\n\nΟ κατασκευαστής δημοσιεύει επίσης μια ροή τμηματικής εξαγωγής συμπερασμάτων για χρήση σε συνεχή ροή. Το παράδειγμά του καθορίζει το μήκος τμήματος και τα αριστερά και δεξιά ακουστικά συμφραζόμενα γύρω από κάθε τμήμα. Πρόκειται για διαφορετική διαδικασία επεξεργασίας από το εγγενές μοντέλο συνεχούς ροής Nemotron που αξιοποιεί κρυφή μνήμη. Μια εφαρμογή πρέπει να διατηρεί την επιλεγμένη διαδικασία και την αρχική χρονική αναφορά όταν συγκεντρώνει την απομαγνητοφώνηση μιας ηχογράφησης από διαδοχικές ενότητες.\n\nΤο μείγμα εκπαίδευσης περιλαμβάνει 10.000 ώρες ομιλίας απομαγνητοφωνημένης από ανθρώπους και 660.000 ώρες δεδομένων Granary με ψευδοετικέτες, με διατήρηση σημείων στίξης και κεφαλαίων. Ο κατασκευαστής υποστηρίζει επίσης τη λεπτομερή προσαρμογή αυτού του δημοσιευμένου σημείου ελέγχου σε άλλο σύνολο δεδομένων ομιλίας μέσω της τεκμηριωμένης ροής εργασίας μοντέλου· το προσαρμοσμένο σημείο ελέγχου παραμένει χωριστό από το βασικό μοντέλο v3. Η έξοδος κειμένου του μοντέλου είναι επομένως κατάλληλη ως στάδιο μετατροπής ομιλίας σε κείμενο μιας μεγαλύτερης ροής εργασίας. Ένα αρχείο συναντήσεων μπορεί να επισυνάπτει την απομαγνητοφώνηση στην ηχογράφηση· μια εφαρμογή αναζήτησης μπορεί να ευρετηριάζει το αναγνωρισμένο απόσπασμα· ένα εργαλείο υποτιτλισμού μπορεί να χρησιμοποιεί τα επιστρεφόμενα μεταδεδομένα χρονισμού.\n\nΗ ποιότητα αναγνώρισης διαφέρει ανάλογα με τη γλώσσα, την προφορά, τον θόρυβο και τον τύπο ομιλίας. Ο κατασκευαστής επισημαίνει ειδικά ότι λεξιλόγιο που δεν εκπροσωπήθηκε κατά την εκπαίδευση μπορεί να μην αναγνωριστεί και ότι μεμονωμένες λέξεις ή ατελείς προτάσεις παρέχουν ασθενέστερα συμφραζόμενα. Διατηρείτε τον αρχικό ήχο για τον έλεγχο ονομάτων και εξειδικευμένων όρων αντί να μετατρέπετε μια αβέβαιη αναγνώριση σε επαληθευμένο γεγονός.\n\nΤο χρήσιμο παραδοτέο είναι η απομαγνητοφώνηση με τις ζητούμενες πληροφορίες χρονισμού. Οι συνόψεις, οι μεταφράσεις, η ανάλυση ομιλητών και οι ενέργειες είναι χωριστές εργασίες της εφαρμογής, όχι δυνατότητες που υπονοούνται από την ονομασία μετατροπής ομιλίας σε κείμενο. Διατηρείτε την ταυτότητα v3 και τη λειτουργία προσοχής του κατασκευαστή διακριτές από άλλα σημεία ελέγχου και από μετατρεμμένα ή κβαντισμένα αρχεία μοντέλου.",
    "alias_of": null,
    "aliases": [],
    "author": "NVIDIA",
    "capabilities": {
      "context_length": 0,
      "manufacturer_input": [
        "audio"
      ],
      "manufacturer_output": [
        "transcription"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.00005",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.00005",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ],
        "summary": "Πλήρης τιμολόγηση της διαμόρφωσης στις λεπτομέρειες."
      }
    ],
    "ctx": null,
    "formats": [
      "transcriptions"
    ],
    "id": "nvidia/parakeet-tdt-0.6b-v3",
    "input": [
      "audio"
    ],
    "kind": "audio",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "billing_basis": {
          "basis": "original_invoice_usd",
          "description": "Οι εμφανιζόμενες τιμές χρησιμοποιούνται για την εκτίμηση του κόστους πριν από την παραγωγή. Η τελική χρέωση υπολογίζεται από το κόστος που καταγράφηκε για την αρχική παραγωγή. Η μετρημένη διάρκεια της εξόδου και οι προβλεπόμενες ποσότητες δεν αποτελούν την τελική χρεώσιμη ποσότητα.",
          "forecast_quantity_is_estimate": true,
          "physical_output_is_billable_quantity": false,
          "version": "original_invoice_usd_v1"
        },
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Διατηρήστε το X-Client-Request-ID που επιστράφηκε για τη συμφωνία των εγγραφών. Διαβάστε μόνο πραγματικές τιμές task_id/asset_id που επιστράφηκαν ή τη βιβλιοθήκη πολυμέσων που σας ανήκει· μην κατασκευάσετε ποτέ URL εργασίας από το ID της λειτουργίας και μην υποβάλετε ποτέ ξανά αίτημα δημιουργίας."
            },
            "outputs": {
              "all_results": "Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.",
              "family": "text",
              "fields": [
                {
                  "description": null,
                  "name": "text",
                  "type": null
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": null
                },
                {
                  "description": null,
                  "name": "segments[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "words[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "speaker fields",
                  "type": null
                },
                {
                  "description": null,
                  "name": "timestamps",
                  "type": null
                }
              ]
            },
            "parameters": [
              {
                "enum": [
                  "nvidia/parakeet-tdt-0.6b-v3"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default": "json",
                "default_known": true,
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "nvidia/parakeet-tdt-0.6b-v3"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "required": [
                "model",
                "input_audio"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": true,
              "body": {
                "input_audio": {
                  "data": "${BASE64_ACTUAL_WAV_BYTES}",
                  "format": "wav"
                },
                "model": "nvidia/parakeet-tdt-0.6b-v3"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Διαβάστε πραγματικό αρχείο WAV και κωδικοποιήστε τα πραγματικά byte του για τη δηλωμένη είσοδο JSON input_audio· δεν παρουσιάζεται διαδρομή multipart για αυτή την ακριβή δήλωση αποκλειστικής χρήσης JSON."
            ],
            "material_types": [
              "audio"
            ],
            "required": [
              "model",
              "input_audio"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "text",
            "fields": [
              {
                "description": null,
                "name": "text",
                "type": null
              },
              {
                "description": null,
                "name": "usage",
                "type": null
              },
              {
                "description": null,
                "name": "segments[]",
                "type": null
              },
              {
                "description": null,
                "name": "words[]",
                "type": null
              },
              {
                "description": null,
                "name": "speaker fields",
                "type": null
              },
              {
                "description": null,
                "name": "timestamps",
                "type": null
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.00005",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.00005",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "Αυτή η εκτίμηση δεν αποτελεί πρόσθετη χρέωση ούτε σταθερή τιμή για την ολοκληρωμένη παραγωγή.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Εκτιμώμενο κόστος δημιουργίας",
            "units": [
              {
                "amount": "0.00005",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00005",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'nvidia/parakeet-tdt-0.6b-v3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          },
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n",
            "label": "Read existing owned assets",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact caller model ID and documented input representation.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Απομαγνητοφώνηση",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "audio_transcriptions",
        "out": null,
        "output": [
          "text"
        ],
        "path": "/v1/audio/transcriptions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "original_invoice_usd",
          "image_input_price": null,
          "image_output_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.00005",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.00005",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Estimated generation cost",
            "units": [
              {
                "amount": "0.00005",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00005",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/parakeet-tdt-0.6b-v3",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}"
        ],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.00005",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "audio_input_second",
            "label": "input audio second",
            "native_amount_usd_per_unit": "0.00005",
            "native_quantity": 1,
            "public_unit_label": "per input audio second",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          },
          {
            "amount": "0.00005",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.00005",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "nvidia/parakeet-tdt-0.6b-v3",
        "request_model_id": "nvidia/parakeet-tdt-0.6b-v3",
        "route_label": "Ultra"
      }
    ],
    "name": "NVIDIA: Parakeet TDT 0.6B v3",
    "price": {
      "estimate_only": true,
      "in": null,
      "in_label": null,
      "out": 5e-05,
      "out_label": "estimate before generation",
      "scope_label": "Estimated generation cost",
      "sort_in": null,
      "sort_out": 5e-05,
      "varies": false
    },
    "short": "Το Parakeet TDT 0.6B v3 της NVIDIA είναι ένα μοντέλο μετατροπής ομιλίας σε κείμενο με 600M παραμέτρους για 25 ευρωπαϊκές γλώσσες, με αυτόματη ανίχνευση γλώσσας. Παράγει απομαγνητοφωνήσεις με σημεία στίξης και υποστηρίζει χρονικές σημάνσεις λέξεων και τμημάτων, με λειτουργίες εκτεταμένου ήχου που συνδέονται με τη διαμόρφωση προσοχής του κατασκευαστή."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Το Parakeet TDT 0.6B v3 της NVIDIA είναι ένα μοντέλο μετατροπής ομιλίας σε κείμενο με 600M παραμέτρους για 25 ευρωπαϊκές γλώσσες, με αυτόματη ανίχνευση γλώσσας. Παράγει απομαγνητοφωνήσεις με σημεία στίξης και υποστηρίζει χρονικές σημάνσεις λέξεων και τμημάτων, με λειτουργίες εκτεταμένου ήχου που συνδέονται με τη διαμόρφωση προσοχής του κατασκευαστή.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "c9cd37c354c3dc1b46043e7d00af452c95213ad2ab7095aefa7c99b7ca1e908f",
    "renderer_sha256": "3ed36f7af4f78822bafbd174fdcaed7b698a18a86efe254253d37f1b098a7566"
  },
  "sourceRevision": "37d18498bdf2f4b666bef440734390a43859007d7cac331bab31e65184ea951f"
}