Source: https://ailoot.ai/models/es-mx/nvidia-parakeet-tdt-0-6b-v3/ Canonical: https://ailoot.ai/models/es-mx/nvidia-parakeet-tdt-0-6b-v3/ Language: es-mx # NVIDIA: Parakeet TDT 0.6B v3 [Markdown](https://ailoot.ai/models/es-mx/nvidia-parakeet-tdt-0-6b-v3/index.md) · [JSON](https://ailoot.ai/models/es-mx/nvidia-parakeet-tdt-0-6b-v3/facts.json) ## [NVIDIA: Parakeet TDT 0.6B v3](https://ailoot.ai/models/es-mx/nvidia-parakeet-tdt-0-6b-v3/) Parakeet TDT 0.6B v3 de NVIDIA es un modelo de voz a texto de 600M parámetros para 25 lenguas europeas, con detección automática del idioma. Genera transcripciones con puntuación y admite marcas de tiempo por palabra y segmento, con modos para audio largo vinculados a la configuración de atención del fabricante. - [**Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/es-mx/nvidia-parakeet-tdt-0-6b-v3/#method-0) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. Parakeet TDT 0.6B v3 es el modelo multilingüe de reconocimiento de voz de NVIDIA, con 600 millones de parámetros. Amplía el modelo v2, limitado al inglés, a 25 lenguas europeas y detecta automáticamente el idioma del audio sin una instrucción de idioma aparte. El resultado es una transcripción del habla, con puntuación y uso de mayúsculas. Los idiomas compatibles son búlgaro, croata, checo, danés, neerlandés, inglés, estonio, finés, francés, alemán, griego, húngaro, italiano, letón, lituano, maltés, polaco, portugués, rumano, eslovaco, esloveno, español, sueco, ruso y ucraniano. Esta lista corresponde a la edición v3; los demás tipos de decodificador y variantes lingüísticas de Parakeet son modelos distintos. La arquitectura combina un codificador FastConformer con un decodificador transductor de tokens y duración. El codificador transforma la señal acústica en representaciones; el decodificador predice tokens de texto junto con las duraciones necesarias para avanzar por las tramas de audio. Este comportamiento TDT lo distingue de los decodificadores CTC y RNN-T convencionales de la familia. Prepara audio de un solo canal muestreado a 16 kHz. Los formatos de entrada directa del fabricante son WAV y FLAC, y sus ejemplos de implementación utilizan un procesador para preparar la forma de onda para el reconocimiento. Conserva el identificador de la grabación y el audio original junto al texto devuelto para poder comprobar la transcripción o alinearla con la fuente. Las marcas de tiempo añaden información temporal al habla reconocida. El ejemplo de NeMo de NVIDIA devuelve tiempos por carácter, palabra y segmento cuando se activa su generación. Una aplicación de subtitulado o archivo puede utilizar los límites de los segmentos para vincular un pasaje con la grabación, o los tiempos por palabra para localizar una frase concreta. La transcripción y sus campos temporales son partes distintas del resultado y deben permanecer asociadas. Para las grabaciones largas, la configuración de atención es relevante. El fabricante describe hasta 24 minutos con atención completa en una A100 de 80 GB y hasta tres horas con atención local. Su ejemplo para audio largo cambia el codificador a atención local con un contexto izquierdo y derecho acotado. Esas duraciones describen configuraciones concretas del fabricante, en lugar de un límite incondicional para cualquier despliegue. El fabricante también publica un flujo de inferencia por fragmentos para su uso en streaming. Su ejemplo define la longitud del fragmento y el contexto de audio izquierdo y derecho que rodea a cada uno. Es un procedimiento de procesamiento distinto del modelo Nemotron de streaming nativo que conserva estados en caché. Una aplicación debe conservar el procedimiento elegido y la referencia temporal original al reunir la transcripción de una grabación a partir de sus secciones. La mezcla de entrenamiento incluye 10,000 horas de voz transcrita por personas y 660,000 horas de datos Granary con pseudoetiquetas, manteniendo la puntuación y las mayúsculas. El fabricante también permite ajustar este checkpoint publicado con otro conjunto de datos de voz mediante su flujo de trabajo documentado para modelos; el checkpoint ajustado sigue siendo distinto del modelo v3 de base. Por tanto, la salida de texto del modelo resulta adecuada como etapa de voz a texto de un flujo de trabajo más amplio. Un archivo de reuniones puede adjuntar la transcripción a la grabación; una aplicación de búsqueda puede indexar el pasaje reconocido; una herramienta de subtitulado puede utilizar los metadatos temporales devueltos. La calidad del reconocimiento varía según el idioma, el acento, el ruido y el tipo de habla. El fabricante señala expresamente que puede omitirse vocabulario que no estuviera representado durante el entrenamiento y que las palabras aisladas o las frases incompletas aportan menos contexto. Conserva el audio original para revisar nombres y términos especializados, en lugar de convertir un reconocimiento incierto en un hecho verificado. El resultado útil es la transcripción con la información temporal solicitada. Los resúmenes, las traducciones, el análisis de hablantes y las acciones son tareas separadas de la aplicación, no funciones implícitas en el nombre voz a texto. Mantén diferenciadas la identidad v3 y el modo de atención del fabricante frente a otros checkpoints y a los archivos de modelos convertidos o cuantizados. **Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3` [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/es-mx/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&fmt=transcriptions) NVIDIA /`nvidia/parakeet-tdt-0.6b-v3` ### Inicio Parakeet TDT 0.6B v3 de NVIDIA es un modelo de voz a texto de 600M parámetros para 25 lenguas europeas, con detección automática del idioma. Genera transcripciones con puntuación y admite marcas de tiempo por palabra y segmento, con modos para audio largo vinculados a la configuración de atención del fabricante. Entradas aceptadas Audio Resultados Texto ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` Entrada `audio` Salida `text` | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites nvidia/parakeet-tdt-0.6b-v3 | Predeterminado— | | Campo`input_audio` | Tipo`object` | RequisitoObligatorio | Valores y límites | Predeterminado— | | Campo`language` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores y límites Mínimo: 0 Máximo: 1 | Predeterminado— | | Campo`response_format` | Tipo`string` | RequisitoOpcional | Valores y límites json, verbose\_json | Predeterminadojson | | Campo`timestamp_granularities` | Tipo`array` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores y límites | Predeterminado— | Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, input\_audio | | Parámetro`material_types` | Contratoaudio | | Parámetro`material_conditions` | ContratoLee un archivo WAV real y codifica sus bytes reales para el input\_audio JSON declarado; no se anuncia una ruta multipart para esta declaración exacta que solo acepta JSON. | Ciclo de vida: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · El task\_id real devuelto o el registro de la biblioteca multimedia `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tarifas ##### Cómo se calcula el cargo definitivo Las tarifas mostradas permiten estimar el costo antes de la generación. El cargo final se calcula a partir del costo registrado para la generación original. La duración medida de la salida y las cantidades estimadas no son la cantidad facturable final. Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo fast Sin especificar Cuando se selecciona el modo fast Modo flex Sin especificar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default #### Tarifas estimadas para comparar #### Precios por configuración Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas. | Configuración | Tabla de tarifas | Cantidad prevista | Unidad de facturación | Cargo | | --- | --- | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad prevista— | Unidad de facturación— | Cargo Entrada · Tokens de entrada · Estimación solo para comparar **—** / 1K tokens Salida · Tokens de salida · Estimación solo para comparar **—** / 1K tokens Entrada · Lectura de caché · Estimación solo para comparar **—** / 1K tokens Entrada · Escritura en caché · Estimación solo para comparar **—** / 1K tokens Entrada · Escritura en caché, 1 hora · Estimación solo para comparar **—** / 1K tokens | | Configuraciónsegundo de audio de entrada | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor segundo de audio de entrada | Cargo Entrada · segundo de audio de entrada · Estimación solo para comparar **$0.00005** por segundo de audio de entrada | | ConfiguraciónCosto estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Unidad de facturación— | Cargo Salida · Costo estimado de generación · Estimación solo para comparar **$0.00005** estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija por la generación completada. | Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Transcripción curl · cuerpo nativo exacto y resultado completo ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'nvidia/parakeet-tdt-0.6b-v3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}} request['input_audio']['data']=base64.b64encode(audio).decode('ascii') Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Recibir y guardar resultados #### Ailoot Ultra · Transcripción - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Otras consultas de contenido Consultar los archivos existentes que te pertenecen ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \ -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json # Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token. ``` ##### Conserva todos los resultados completados Conserva todas las respuestas, archivos y partes de contenido completos recibidos. Conserva la respuesta completa y los encabezados, todas las salidas reales, los identificadores originales devueltos y todos los campos de uso. Recupera la operación original sin volver a enviar la solicitud de creación. ##### Si es necesario revisar la respuesta original Conserva el X-Client-Request-ID devuelto para la conciliación. Consulta únicamente los valores reales de task\_id/asset\_id devueltos o la biblioteca multimedia de tu propiedad; nunca construyas una URL de tarea a partir del ID de la operación ni vuelvas a enviar la solicitud de creación. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`text` | Tipo | | Campo`usage` | Tipo | | Campo`segments[]` | Tipo | | Campo`words[]` | Tipo | | Campo`speaker fields` | Tipo | | Campo`timestamps` | Tipo | ### Alias #### Alias del modelo **Ailoot Ultra** [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/es-mx/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&fmt=transcriptions) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/es-mx/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&fmt=transcriptions) FAQ · NVIDIA: Parakeet TDT 0.6B v3 ¿Qué entradas y resultados están disponibles? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `audio` → `text` ¿Qué campos utiliza la solicitud? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` ¿Qué límites se aplican? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.