Source: https://ailoot.ai/models/hu/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/ Canonical: https://ailoot.ai/models/hu/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/ Language: hu # NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B [Markdown](https://ailoot.ai/models/hu/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/index.md) · [JSON](https://ailoot.ai/models/hu/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/facts.json) ## [NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B](https://ailoot.ai/models/hu/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/) Az NVIDIA Nemotron 3.5 ASR Streaming Multilingual 0.6B gyorsítótár-tudatos streaming kódolóval alakítja a beszédet központozott szöveggé. Támogatja a nyelv kifejezett megadását vagy automatikus felismerését; 32 nyelvi-területi változat készen áll az átírásra, további nyolc adaptálást igényel. - [**Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/hu/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/#method-0) A modellről Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók. A Nemotron 3.5 ASR Streaming Multilingual 0.6B az NVIDIA 600 millió paraméteres beszédfelismerő modellje élő átíráshoz és rögzített hanganyagok feldolgozásához. Az angol streaming modellvonalat nyelvazonosító alapján történő feltételes működéssel bővíti. A beszéd a bemenet nyelvén válik szöveggé, és a kimenet eleve tartalmazza a központozást, valamint a megfelelő kis- és nagybetűket. A gyártó nyelvi lefedettsége három szintből áll. Tizenkilenc, átírásra kész nyelvi-területi változat fedi le az amerikai és brit angolt, az amerikai és spanyolországi spanyolt, a franciaországi és kanadai franciát, az olaszt, a brazíliai és portugáliai portugált, a hollandot, a németet, a törököt, az oroszt, az arabot, a hindit, a japánt, a koreait, a vietnámit és az ukránt. Tizenhárom széles körű lefedettségű változat adja hozzá a lengyelt, a svédet, a csehet, a norvég bokmålt, a dánt, a bolgárt, a finnt, a horvátot, a szlovákot, a mandarint, a magyart, a románt és az észtet. Ez a 32 nyelvi-területi változat együtt további finomhangolás nélkül készít átiratot. Nyolc, adaptálásra kész nyelvi-területi változatot – a görögöt, a litvánt, a lettet, a máltait, a szlovént, a hébert, a thait és a norvég nynorskot – a tokenizáló felismer, de a teljes átírás lehetővé tételéhez célterületi finomhangolás szükséges. A fejlesztő 40 nyelvi-területi változatra vonatkozó száma tehát nem azt állítja, hogy mind a negyven ugyanazzal az azonnal használható képességgel rendelkezik. A testreszabott modellállapot az alapmodelltől különálló eredmény. Az architektúra egy 24 rétegű, gyorsítótár-tudatos FastConformer kódolót kapcsol össze egy RNN-T dekóderrel. Megőrzi a kódoló korábbi keretekből származó figyelmi és konvolúciós állapotait, és minden új hangblokkot az átfedő ablakok ismételt újraszámítása nélkül dolgoz fel. Az akusztikus reprezentáció mellett nyelvazonosító jelet is kap, amely meghatározza az átirat nyelvi feltételét, vagy lehetővé teszi, hogy a modell következtesse ki a nyelvet. Az NVIDIA NeMo-konfigurációja 80, 160, 320, 560 és 1120 milliszekundumos blokkméreteket dokumentál. A figyelmi beállítás szabályozza, mennyi későbbi hangot kap egy blokk a szöveg kiadása előtt, így a feladat egyensúlyt találhat a várakozási idő és az akusztikus kontextus között. Ezek fejlesztői streaming konfigurációk, nem garantált teljes válaszidők; egy megvalósítás a saját támogatott részhalmazukat teheti elérhetővé. Készítsen monó WAV hangot a fejlesztő feldolgozóegységének 16 kHz-es mintavételi frekvenciájával. Ha a nyelv ismert, a megfelelő nyelvi-területi változatot adja meg feltételként; az automatikus mód felismeri a beszélt nyelvet. Az alap feldolgozási példa alapértelmezés szerint amerikai angol promptot használ, ezért a többnyelvű működést tudatosan be kell állítani, nem szabad a példából adottnak tekinteni. Automatikus módban a fejlesztő munkafolyamata nyelvcímkét fűzhet az átirat mondatzáró írásjele után. A címke megőrzése elérhetővé teszi a nyelvet a vegyes nyelvű forgalmat kezelő alkalmazásnak; az eltávolítása tiszta átiratszöveget ad. Az eredmény megjelenítésekor vagy feldolgozásakor őrizze meg a felismert szavak, a központozásuk és e nyelvi metaadat közötti különbséget. Egy feliratozó alkalmazás sorrendben adagolhatja a hangot, gyűjtheti az átiratot, és a lezárt szöveget felhasználhatja megjelenítéshez vagy további feldolgozáshoz. Egy hangalapú alkalmazás a felismert beszédet továbbadhatja a nyelvértelmezési szakaszának. A híváselemzés együtt őrizheti meg az eredeti felvételt és az átiratot, hogy a nevek, számok és ismeretlen kifejezések ellenőrizhetők maradjanak. Az ASR-modell az átiratot szolgáltatja; az összefoglalás, a műveletek és a beszédgenerálás az alkalmazás külön szakaszai. Az NVIDIA a modellt nyilvános és saját beszédadatok keverékén tanítja, emberi és szintetikus címkékkel, amelyeket központozott, megfelelő kis- és nagybetűket használó szöveggé normalizáltak. Adaptálási útmutatója a nyelvcímkék és a szövegstílus egyeztetését hangsúlyozza, majd az elkülönített ellenőrző hanganyag értékelését a használatra szánt streaming beállítással. Nyelvi, akcentus- és szakterületi adaptálást ír le anélkül, hogy ezeket a testreszabott eredményeket az eredeti modellállapot tulajdonságainak tekintené. A modellkártya a gyakorlatban feldolgozható felvételhosszt a rendelkezésre álló memóriához köti, nem ad meg egyetlen általános időtartamkorlátot. A többnyelvű kiadást különítse el a kizárólag angol nyelvű modelltől, és a kiválasztott nyelvet, valamint a streaming konfigurációt őrizze meg az átírási eredménnyel együtt. A kimeneti eredmény a felismert szöveg, a fejlesztő opcionális nyelvi metaadataival, nem pedig egy általános társalgási válasz. **Ailoot Ultra · Hang átírása** `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/hu/#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` ### Kezdő lépések Az NVIDIA Nemotron 3.5 ASR Streaming Multilingual 0.6B gyorsítótár-tudatos streaming kódolóval alakítja a beszédet központozott szöveggé. Támogatja a nyelv kifejezett megadását vagy automatikus felismerését; 32 nyelvi-területi változat készen áll az átírásra, további nyolc adaptálást igényel. Elfogadott bemenetek Hang Eredmények Szöveg ### Elérhető az Ailootban · bemenetek és metódusok **Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` Bemenet `audio` Kimenet `text` | Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett | | --- | --- | --- | --- | --- | | Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b | Alapértelmezett— | | Mező`input_audio` | Típus`object` | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— | | Mező`language` | Típus`string` | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— | | Mező`temperature` | Típus`number` | KövetelményOpcionális | Értékek és korlátok Minimum: 0 Maximum: 1 | Alapértelmezett— | | Mező`response_format` | Típus`string` | KövetelményOpcionális | Értékek és korlátok json, verbose\_json | Alapértelmezettjson | | Mező`timestamp_granularities` | Típus`array` | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— | | Mező`provider` | Típus`object` | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— | Metódus paraméterei és életciklusa | Paraméter | Szerződés | | --- | --- | | Paraméter`content_type` | Szerződésapplication/json | | Paraméter`required` | Szerződésmodel, input\_audio | | Paraméter`material_types` | Szerződésaudio | | Paraméter`material_conditions` | SzerződésOlvasson be tényleges WAV-fájlt, és kódolja a valós bájtjait a deklarált JSON input\_audio bemenethez; ehhez a pontosan csak JSON-t engedő deklarációhoz nem hirdetünk multipart útvonalat. | Életciklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · A ténylegesen visszaadott task\_id vagy a médiatár bejegyzése `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Díjcsomagok ##### A végső díj számítása A megjelenített díjtételek a generálás előtti költségbecsléshez szolgálnak. A végleges díj az eredeti generáláshoz rögzített költségből számítódik. A kimenet mért időtartama és az előre jelzett mennyiségek nem azonosak a véglegesen elszámolandó mennyiséggel. A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek. Gyors mód Nincs megadva Ha a gyors mód van kiválasztva Flex mód Nincs megadva Ha a flex mód van kiválasztva Maximális gondolkodási ráfordítás Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik #### Becsült díjak összehasonlításhoz #### Árak beállításonként Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon. | Beállítás | Díjtáblázat | Előre jelzett mennyiség | Elszámolási egység | Díj | | --- | --- | --- | --- | --- | | BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Előre jelzett mennyiség— | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek · Becslés, csak összehasonlításra **—** / 1K token Kimenet · Kimeneti tokenek · Becslés, csak összehasonlításra **—** / 1K token Bemenet · Gyorsítótár olvasása · Becslés, csak összehasonlításra **—** / 1K token Bemenet · Írás a gyorsítótárba · Becslés, csak összehasonlításra **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra · Becslés, csak összehasonlításra **—** / 1K token | | Beállításbemeneti hangmásodperc | Díjtáblázat— | Előre jelzett mennyiség— | Elszámolási egységbemeneti hangmásodpercenként | Díj Bemenet · bemeneti hangmásodperc · Becslés, csak összehasonlításra **$0.00000666** bemeneti hangmásodpercenként | | BeállításA generálás becsült költsége | Díjtáblázat— | Előre jelzett mennyiségbecslés egy generálásra | Elszámolási egység— | Díj Kimenet · Becsült generálási költség · Becslés, csak összehasonlításra **$0.00000666** becslés a generálás előtt Ez a becslés nem jelent további díjat, és nem rögzített díjszabás az elkészült generálásra. | Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/) ### Példakérések #### Ailoot Ultra · Hang átírása curl · pontos natív kéréstörzs és teljes eredmény ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Eredmények fogadása és mentése #### Ailoot Ultra · Hang átírása - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` További tartalomlekérések A meglévő, Önhöz tartozó médiafájlok lekérése ```bash set -eu : "${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. ``` ##### Őrizzen meg minden elkészült eredményt Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt. Őrizze meg a teljes választ és a fejléceket, minden tényleges kimenetet, az eredetileg visszaadott azonosítókat és az összes használati adatmezőt. Az eredeti műveletet állítsa helyre, a létrehozási kérés újbóli beküldése nélkül. ##### Ha az eredeti választ ellenőrizni kell Őrizze meg a visszaadott X-Client-Request-ID értéket az egyeztetéshez. Csak a ténylegesen visszaadott task\_id/asset\_id értékekkel kérdezzen le, vagy használja a saját médiatárat; soha ne állítson össze feladat-URL-t a műveletazonosítóból, és soha ne küldje be újra a létrehozási kérést. Válaszmezők | Mező | Típus | | --- | --- | | Mező`text` | Típus | | Mező`usage` | Típus | | Mező`segments[]` | Típus | | Mező`words[]` | Típus | | Mező`speaker fields` | Típus | | Mező`timestamps` | Típus | ### Álnevek #### Modell álnevei **Ailoot Ultra** [`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/hu/#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&route=Ultra&caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&fmt=transcriptions) #### Metódusútvonalak álnevei Használja a fent látható metódusútvonalakat. #### Kapcsolódó modellazonosítók [`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/hu/#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 Milyen bemenetek és eredmények érhetők el? `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `audio` → `text` Mely mezőket használja a kérés? `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Milyen korlátok érvényesek? `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához. ## A vállalat és projektportfóliója A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. ## Vásároljon tokeneket kedvezménnyel. Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény. Előfizetés Válasszon kedvezményes tarifát a rendszeres kéréseihez. Promókód akár 50%-ig Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik. Költségek az előzményekben Minden kéréshez megmarad a modell, a tokenek és az összeg. [Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/) ## Csatlakoztassa az API-t az értékesített termékéhez. SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet. Kereskedelmi alkalmazás Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba. Viszonteladói licenc Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket. Dokumentumok a weboldalon Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető. [Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu) ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.