Source: https://ailoot.ai/models/es/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/ Canonical: https://ailoot.ai/models/es/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/ Language: es # NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B [Markdown](https://ailoot.ai/models/es/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/index.md) · [JSON](https://ailoot.ai/models/es/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/facts.json) ## [NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B](https://ailoot.ai/models/es/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/) Nemotron 3.5 ASR Streaming Multilingual 0.6B de NVIDIA transcribe el habla en texto con puntuación mediante un codificador de streaming que conserva estados en caché. Admite condicionamiento explícito del idioma o detección automática, con 32 variantes regionales listas para transcribir y ocho que requieren adaptación. - [**Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/es/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/#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. Nemotron 3.5 ASR Streaming Multilingual 0.6B es el modelo de reconocimiento de voz de NVIDIA, con 600 millones de parámetros, para transcripción en directo y cargas de trabajo con audio grabado. Amplía la línea de streaming en inglés con condicionamiento mediante un identificador de idioma. El habla se convierte en texto en el idioma de entrada, con puntuación y uso de mayúsculas integrados en la salida. La cobertura lingüística del fabricante tiene tres niveles. Diecinueve variantes regionales listas para transcribir abarcan inglés de Estados Unidos y Reino Unido, español de Estados Unidos y España, francés de Francia y Canadá, italiano, portugués de Brasil y Portugal, neerlandés, alemán, turco, ruso, árabe, hindi, japonés, coreano, vietnamita y ucraniano. Trece variantes de cobertura amplia añaden polaco, sueco, checo, noruego bokmål, danés, búlgaro, finés, croata, eslovaco, mandarín, húngaro, rumano y estonio. En conjunto, estas 32 variantes producen transcripciones sin ajuste fino adicional. Ocho variantes preparadas para la adaptación —griego, lituano, letón, maltés, esloveno, hebreo, tailandés y noruego nynorsk— son reconocidas por el tokenizador, pero requieren ajuste fino con datos del dominio para permitir la transcripción completa. Por tanto, la cifra de 40 variantes del fabricante no implica que las cuarenta tengan la misma capacidad de uso inmediato. Un checkpoint personalizado es un resultado distinto del modelo de base. La arquitectura combina un codificador FastConformer de 24 capas que conserva estados en caché con un decodificador RNN-T. Mantiene los estados de atención y convolución del codificador de las tramas anteriores y procesa cada nuevo fragmento de audio sin recalcular repetidamente las ventanas superpuestas. Se proporciona una señal de identificación de idioma junto a la representación acústica para condicionar la transcripción o dejar que el modelo infiera el idioma. La configuración de NeMo de NVIDIA documenta tamaños de fragmento de 80, 160, 320, 560 y 1120 milisegundos. El ajuste de atención controla cuánto audio futuro recibe un fragmento antes de emitir texto, lo que permite equilibrar el tiempo de espera y el contexto acústico de una tarea. Son configuraciones de streaming del fabricante, no tiempos de respuesta garantizados de extremo a extremo; una implementación puede exponer su propio subconjunto compatible. Prepara audio WAV mono a la frecuencia de muestreo de 16 kHz del procesador del fabricante. Cuando se conozca el idioma, utiliza el condicionamiento de la variante regional correspondiente; el modo automático detecta el idioma hablado. El ejemplo básico del flujo de procesamiento utiliza de forma predeterminada una instrucción para inglés de Estados Unidos, por lo que el comportamiento multilingüe debe configurarse de manera deliberada en lugar de darlo por supuesto a partir de ese ejemplo. En modo automático, el flujo de trabajo del fabricante puede añadir una etiqueta de idioma después del signo de puntuación final de la transcripción. Conservar la etiqueta permite que una aplicación que gestiona tráfico multilingüe disponga del idioma; eliminarla devuelve el texto limpio de la transcripción. Mantén la distinción entre las palabras reconocidas, su puntuación y estos metadatos de idioma al mostrar o procesar el resultado. Una aplicación de subtitulado puede enviar el audio en orden, reunir la transcripción y utilizar el texto completado para mostrarlo o procesarlo en etapas posteriores. Una aplicación de voz puede enviar el habla reconocida a su etapa de comprensión del lenguaje. El análisis de llamadas puede conservar juntos la grabación original y la transcripción para que los nombres, números y términos desconocidos sigan siendo revisables. El modelo ASR proporciona la transcripción; el resumen, las acciones y la generación de voz son etapas separadas de la aplicación. NVIDIA entrena el modelo con una mezcla de datos de voz públicos y propios, con etiquetas humanas y sintéticas normalizadas a texto con puntuación y uso correcto de mayúsculas. Su guía de adaptación destaca la importancia de hacer coincidir las etiquetas de idioma y el estilo del texto, y después evaluar audio reservado para evaluación con la configuración de streaming prevista para el uso. Describe la adaptación al idioma, al acento y al dominio sin atribuir esos resultados personalizados al checkpoint original. La ficha del modelo vincula la duración práctica de la grabación a la memoria disponible, en lugar de publicar un único límite universal de duración. Mantén la edición multilingüe diferenciada del modelo exclusivo de inglés y conserva el idioma y la configuración de streaming seleccionados junto al resultado de la transcripción. El resultado es el texto reconocido, con metadatos opcionales de idioma del fabricante, en lugar de una respuesta conversacional general. **Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b` [`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&route=Ultra&caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&fmt=transcriptions) NVIDIA /`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b` ### Primeros pasos Nemotron 3.5 ASR Streaming Multilingual 0.6B de NVIDIA transcribe el habla en texto con puntuación mediante un codificador de streaming que conserva estados en caché. Admite condicionamiento explícito del idioma o detección automática, con 32 variantes regionales listas para transcribir y ocho que requieren adaptación. Entradas aceptadas Audio Resultados Texto ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` Tipos de entrada `audio` Tipos de salida `text` | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b | 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 ofrece ninguna ruta multipart para esta declaración exacta que solo admite JSON. | Ciclo de vida: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · task\_id real devuelto o registro de la biblioteca multimedia `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Planes ##### Cómo se calcula el cargo definitivo Las tarifas mostradas estiman el coste antes de la generación. El cargo final se calcula a partir del coste registrado para la generación original. La duración medida del resultado y las cantidades previstas no constituyen la cantidad facturable final. Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo rápido Sin especificar Cuando se selecciona el modo rápido Modo flex Sin especificar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Sin especificar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (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 **$0.00000666** por segundo de audio de entrada | | ConfiguraciónCoste estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Unidad de facturación— | Cargo Salida · Coste estimado de generación · Estimación solo para comparar **$0.00000666** estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija para la generación completada. | Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Transcripción curl · cuerpo nativo exacto y resultado completo ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}} request['input_audio']['data']=base64.b64encode(audio).decode('ascii') Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Recibir y guardar resultados #### Ailoot Ultra · Transcripción - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Otras consultas de contenido Consultar los archivos existentes que te pertenecen ```bash set -eu : "${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 las cabeceras, 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 task\_id/asset\_id realmente devueltos o la biblioteca multimedia propia; 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/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&route=Ultra&caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&fmt=transcriptions) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&route=Ultra&caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&fmt=transcriptions) FAQ · NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B ¿Qué entradas y resultados están disponibles? `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `audio` → `text` ¿Qué campos utiliza la solicitud? `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` ¿Qué límites se aplican? `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `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/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es/) ## 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) ## 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.