Source: https://ailoot.ai/models/hu/nvidia-parakeet-tdt-0-6b-v3/ Canonical: https://ailoot.ai/models/hu/nvidia-parakeet-tdt-0-6b-v3/ Language: hu # NVIDIA: Parakeet TDT 0.6B v3 [Markdown](https://ailoot.ai/models/hu/nvidia-parakeet-tdt-0-6b-v3/index.md) · [JSON](https://ailoot.ai/models/hu/nvidia-parakeet-tdt-0-6b-v3/facts.json) ## [NVIDIA: Parakeet TDT 0.6B v3](https://ailoot.ai/models/hu/nvidia-parakeet-tdt-0-6b-v3/) Az NVIDIA Parakeet TDT 0.6B v3 egy 600 millió paraméteres beszédfelismerő modell 25 európai nyelvhez, automatikus nyelvfelismeréssel. Központozott átiratokat készít, és támogatja a szó- és szakaszszintű időbélyegeket; hosszú hanghoz használható módjai a fejlesztő figyelmi konfigurációjához kötődnek. - [**Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/hu/nvidia-parakeet-tdt-0-6b-v3/#method-0) A modellről Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók. A Parakeet TDT 0.6B v3 az NVIDIA 600 millió paraméteres, többnyelvű beszédfelismerő modellje. A kizárólag angol nyelvű v2 modellt 25 európai nyelvre bővíti, és külön nyelvi prompt nélkül automatikusan felismeri a hang nyelvét. Az eredmény a beszéd átirata, központozással és kis- és nagybetűk megfelelő használatával. A támogatott nyelvek: bolgár, horvát, cseh, dán, holland, angol, észt, finn, francia, német, görög, magyar, olasz, lett, litván, máltai, lengyel, portugál, román, szlovák, szlovén, spanyol, svéd, orosz és ukrán. Ez a lista a v3 kiadáshoz tartozik; a Parakeet más dekódertípusai és nyelvi változatai külön modellek. Az architektúra FastConformer kódolót és tokeneket és időtartamokat előrejelző transzducer dekódert kapcsol össze. A kódoló reprezentációkká alakítja az akusztikus jelet; a dekóder szövegtokeneket jelez előre a hangkereteken való előrehaladáshoz szükséges időtartamokkal együtt. Ez a TDT-működés különbözteti meg a család CTC és szokásos RNN-T dekódereitől. Készítsen egycsatornás, 16 kHz mintavételű hangot. A gyártó közvetlen bemeneti formátumai a WAV és a FLAC, megvalósítási példái pedig feldolgozóegységgel készítik elő a hullámformát a felismeréshez. A felvétel azonosítóját és az eredeti hangot őrizze meg a visszaadott szöveg mellett, hogy az átirat ellenőrizhető vagy a forráshoz igazítható legyen. Az időbélyegzés időzítési információval egészíti ki a felismert beszédet. Az NVIDIA NeMo-példája karakter-, szó- és szakaszszintű időzítést ad vissza, ha engedélyezve van az időbélyegek generálása. Egy feliratozó vagy archiváló alkalmazás a szakaszhatárokkal kapcsolhat egy szövegrészt a felvételhez, a szavak időzítésével pedig megkereshet egy adott kifejezést. Az átirat és az időzítési mezői az eredmény külön részei, ezért összekapcsolva kell őket megőrizni. Hosszú felvételeknél számít a figyelmi konfiguráció. A gyártó egy 80 GB-os A100-on teljes figyelemmel legfeljebb 24 percet, lokális figyelemmel pedig legfeljebb három órát ír le. A hosszú felvételekre adott példája a kódolót korlátozott bal és jobb oldali kontextust használó lokális figyelemre állítja át. Ezek az időtartamok konkrét fejlesztői konfigurációkat írnak le, nem minden telepítésre feltétel nélkül érvényes közös korlátot. A gyártó streaming használathoz blokkokra bontott inferencia-munkafolyamatot is közzétesz. Példája meghatározza a blokkhosszt, valamint az egyes blokkok előtti és utáni hangkontextust. Ez más feldolgozási eljárás, mint a natív, gyorsítótár-tudatos Nemotron streaming modellé. Az alkalmazásnak meg kell őriznie a választott eljárást és az eredeti időzítési referenciát, amikor egy felvétel átiratát több szakaszból gyűjti össze. A tanítóadatok keveréke 10 000 órányi, emberek által átírt beszédet és 660 000 órányi, pszeudocímkézett Granary-adatot tartalmaz, a központozás és a kis- és nagybetűk használatának megőrzésével. A fejlesztő a dokumentált modell-munkafolyamaton keresztül azt is támogatja, hogy ezt a kiadott modellállapotot másik beszédadathalmazon finomhangolják; a hangolt modellállapot külön marad az alap v3 modelltől. A modell szöveges kimenete ezért alkalmas egy nagyobb munkafolyamat beszédet szöveggé alakító szakaszának. Egy megbeszélésarchívum a felvételhez csatolhatja az átiratot; egy keresőalkalmazás indexelheti a felismert szövegrészt; egy feliratozó eszköz felhasználhatja a visszaadott időzítési metaadatokat. A felismerés minősége a nyelvtől, az akcentustól, a zajtól és a beszéd típusától függően változik. A fejlesztő külön megjegyzi, hogy a tanítás során nem szereplő szókincs felismerése elmaradhat, és az elszigetelt szavak vagy befejezetlen mondatok gyengébb kontextust adnak. Őrizze meg az eredeti hangot a nevek és szakkifejezések ellenőrzéséhez, ahelyett hogy egy bizonytalan felismerést igazolt tényként kezelne. A hasznos eredmény az átirat a kért időzítési információkkal. Az összefoglalás, a fordítás, a beszélőelemzés és a műveletek külön alkalmazásfeladatok, nem a beszédfelismerő elnevezésből következő funkciók. A v3 azonosítóját és a fejlesztő figyelmi módját különítse el más modellállapotoktól, valamint az átalakított vagy kvantált változatoktól. **Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3` [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/hu/#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` ### Kezdő lépések Az NVIDIA Parakeet TDT 0.6B v3 egy 600 millió paraméteres beszédfelismerő modell 25 európai nyelvhez, automatikus nyelvfelismeréssel. Központozott átiratokat készít, és támogatja a szó- és szakaszszintű időbélyegeket; hosszú hanghoz használható módjai a fejlesztő figyelmi konfigurációjához kötődnek. 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/parakeet-tdt-0.6b-v3 | 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 **$0.00005** bemeneti hangmásodpercenként | | BeállításA generálás becsült költsége | Díjtáblázat— | Előre jelzett mennyiségbecslés egy generálásra | Elszámolási egység— | Díj Kimenet · Becsült generálási költség · Becslés, csak összehasonlításra **$0.00005** becslés a generálás előtt Ez a becslés nem jelent további díjat, és nem rögzített díjszabás az elkészült generálásra. | Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/) ### Példakérések #### Ailoot Ultra · Hang átírása curl · pontos natív kéréstörzs és teljes eredmény ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'nvidia/parakeet-tdt-0.6b-v3', 'input_audio': {'data': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Eredmények fogadása és mentése #### Ailoot Ultra · Hang átírása - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` További tartalomlekérések A meglévő, Önhöz tartozó médiafájlok lekérése ```bash set -eu : "${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/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/hu/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&fmt=transcriptions) #### Metódusútvonalak álnevei Használja a fent látható metódusútvonalakat. #### Kapcsolódó modellazonosítók [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/hu/#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 Milyen bemenetek és eredmények érhetők el? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `audio` → `text` Mely mezőket használja a kérés? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Milyen korlátok érvényesek? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `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.