Source: https://ailoot.ai/models/kk/nvidia-parakeet-tdt-0-6b-v3/ Canonical: https://ailoot.ai/models/kk/nvidia-parakeet-tdt-0-6b-v3/ Language: kk # NVIDIA: Parakeet TDT 0.6B v3 [Markdown](https://ailoot.ai/models/kk/nvidia-parakeet-tdt-0-6b-v3/index.md) · [JSON](https://ailoot.ai/models/kk/nvidia-parakeet-tdt-0-6b-v3/facts.json) ## [NVIDIA: Parakeet TDT 0.6B v3](https://ailoot.ai/models/kk/nvidia-parakeet-tdt-0-6b-v3/) NVIDIA компаниясының Parakeet TDT 0.6B v3 моделі — тілді автоматты анықтайтын, 25 еуропалық тілге арналған 600M параметрлі сөйлеуді мәтінге айналдыру моделі. Ол тыныс белгілері қойылған транскрипттер жасайды және сөздер мен сегменттердің уақыт белгілерін қолдайды; ұзақ аудио режимдері өндірушінің назар аудару (attention) механизмі конфигурациясына байланысты. - [**Ailoot Ultra · Дыбысты мәтінге түсіру** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/kk/nvidia-parakeet-tdt-0-6b-v3/#method-0) Модель туралы Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген. Parakeet TDT 0.6B v3 — NVIDIA компаниясының 600 миллион параметрлі көптілді сөйлеуді тану моделі. Ол тек ағылшын тіліне арналған v2 моделінің ауқымын 25 еуропалық тілге дейін кеңейтеді және бөлек тілдік нұсқаусыз аудио тілін автоматты түрде анықтайды. Нәтижесі — тыныс белгілері мен бас әріптері қойылған сөйлеу транскрипті. Қолдау көрсетілетін тілдер: болгар, хорват, чех, дат, нидерланд, ағылшын, эстон, фин, француз, неміс, грек, венгр, итальян, латыш, литва, мальта, поляк, португал, румын, словак, словен, испан, швед, орыс және украин тілдері. Бұл тізім v3 нұсқасына тиесілі; басқа Parakeet декодер түрлері мен тілдік нұсқалары бөлек модельдер болып саналады. Архитектура FastConformer кодтағышын токен мен ұзақтықты болжайтын transducer декодерімен біріктіреді. Кодтағыш акустикалық сигналды көріністерге айналдырады; декодер мәтін токендерімен бірге аудио кадрлары арқылы алға жылжуға қажетті ұзақтықтарды болжайды. TDT-нің осы жұмыс істеу ерекшелігі оны модельдер тобындағы CTC және кәдімгі RNN-T декодерлерінен ажыратады. 16 kHz дискреттеу жиілігіндегі бір арналы аудио дайындаңыз. Өндірушінің тікелей кіріс пішімдері — WAV және FLAC, ал іске асыру мысалдары толқындық сигналды тануға дайындау үшін процессорды қолданады. Транскриптті тексеру немесе дереккөзбен сәйкестендіру үшін жазба идентификаторы мен түпнұсқа аудионы қайтарылған мәтінмен бірге сақтаңыз. Уақыт белгілерін қосу танылған сөйлеуге уақыт туралы ақпарат береді. NVIDIA компаниясының NeMo мысалы уақыт белгілерін жасау қосылғанда таңба, сөз және сегмент уақыттарын қайтарады. Субтитр немесе мұрағат қолданбасы мәтін үзіндісін жазбамен байланыстыру үшін сегмент шекараларын, ал белгілі бір тіркесті табу үшін сөз уақыттарын пайдалана алады. Транскрипт пен оның уақыт өрістері — нәтиженің әртүрлі бөліктері, сондықтан олардың байланысы сақталуы керек. Ұзақ жазбалар үшін назар аудару (attention) механизмінің конфигурациясы маңызды. Өндіруші 80 GB A100 құрылғысында толық назар аудару механизмімен 24 минутқа дейін, ал жергілікті назар аудару механизмімен үш сағатқа дейінгі аудионы сипаттайды. Оның ұзақ аудио мысалы кодтағышты сол және оң контексті шектелген жергілікті назар аудару механизміне ауыстырады. Бұл ұзақтықтар әр орналастыруға ортақ шартсыз шек емес, өндірушінің нақты конфигурацияларын сипаттайды. Өндіруші ағындық қолдануға арналған бөліктермен қорытынды шығару үдерісін де жариялайды. Оның мысалы бөлік ұзындығын және әр бөліктің айналасындағы сол және оң аудио контекстін анықтайды. Бұл кэшті ескеретін төл Nemotron ағындық моделінен бөлек өңдеу тәсілі. Қолданба жазбаның транскриптін бөлімдерден жинағанда таңдалған тәсілді және уақытты есептеудің бастапқы нүктесін сақтауы керек. Оқыту қоспасына адамдар транскрипциялаған 10,000 сағат сөйлеу және тыныс белгілері мен бас әріптері сақталған, автоматты түрде жасалған псевдобелгілермен таңбаланған 660,000 сағат Granary деректері кіреді. Өндіруші құжатталған модель үдерісі арқылы осы жарияланған бақылау нүктесін басқа сөйлеу деректер жиынында қосымша баптауды да қолдайды; бапталған бақылау нүктесі негізгі v3 моделінен бөлек қалады. Сондықтан модельдің мәтіндік нәтижесі үлкенірек үдерістің сөйлеуді мәтінге айналдыру кезеңіне жарайды. Жиналыс мұрағаты транскриптті жазбаға тіркей алады; іздеу қолданбасы танылған үзіндіні индекстей алады; субтитр құралы қайтарылған уақыт метадеректерін пайдалана алады. Тану сапасы тілге, акцентке, шуға және сөйлеу түріне қарай өзгереді. Өндіруші оқытуда кездеспеген сөздік танылмай қалуы мүмкін екенін және жеке сөздер немесе аяқталмаған сөйлемдер әлсіздеу контекст беретінін арнайы атап өтеді. Күмәнді тану нәтижесін расталған фактіге айналдырудың орнына, есімдер мен арнайы терминдерді тексеру үшін түпнұсқа аудионы сақтаңыз. Пайдалы артефакт — сұралған уақыт ақпараты бар транскрипт. Қорытындылар, аудармалар, сөйлеушілерді талдау және әрекеттер сөйлеуді мәтінге айналдыру атауынан туындайтын мүмкіндіктер емес, қолданбаның бөлек тапсырмалары. v3 сәйкестігін және өндірушінің назар аудару режимін басқа бақылау нүктелерінен, сондай-ақ түрлендірілген немесе квантталған артефакттардан ажыратып ұстаңыз. **Ailoot Ultra · Дыбысты мәтінге түсіру** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3` [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/kk/#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` ### Бастау NVIDIA компаниясының Parakeet TDT 0.6B v3 моделі — тілді автоматты анықтайтын, 25 еуропалық тілге арналған 600M параметрлі сөйлеуді мәтінге айналдыру моделі. Ол тыныс белгілері қойылған транскрипттер жасайды және сөздер мен сегменттердің уақыт белгілерін қолдайды; ұзақ аудио режимдері өндірушінің назар аудару (attention) механизмі конфигурациясына байланысты. Қабылданатын кіріс деректері Аудио Нәтижелер Мәтін ### Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер **Ailoot Ultra · Дыбысты мәтінге түсіру** `POST /v1/audio/transcriptions` Кіріс `audio` Шығыс `text` | Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі | | --- | --- | --- | --- | --- | | Өріс`model` | Түрі`string` | ТалапМіндетті | Мәндер мен шектеулер nvidia/parakeet-tdt-0.6b-v3 | Әдепкі— | | Өріс`input_audio` | Түрі`object` | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— | | Өріс`language` | Түрі`string` | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— | | Өріс`temperature` | Түрі`number` | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 0 Ең көбі: 1 | Әдепкі— | | Өріс`response_format` | Түрі`string` | ТалапМіндетті емес | Мәндер мен шектеулер json, verbose\_json | Әдепкіjson | | Өріс`timestamp_granularities` | Түрі`array` | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— | | Өріс`provider` | Түрі`object` | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— | Әдіс параметрлері мен өмірлік циклі | Параметр | Параметр талаптары | | --- | --- | | Параметр`content_type` | Параметр талаптарыapplication/json | | Параметр`required` | Параметр талаптарыmodel, input\_audio | | Параметр`material_types` | Параметр талаптарыaudio | | Параметр`material_conditions` | Параметр талаптарыНақты WAV файлын оқып, оның шын байттарын мәлімделген JSON input\_audio үшін кодтаңыз; тек JSON қабылдайтын осы нақты декларация үшін multipart маршруты ұсынылмайды. | Өмірлік цикл: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Нақты қайтарылған task\_id немесе медиатека жазбасы `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Тарифтер ##### Қорытынды төлем қалай есептеледі Көрсетілген тарифтер генерация басталғанға дейінгі құнын бағалауға арналған. Соңғы төлем бастапқы генерация үшін тіркелген құннан есептеледі. Нәтиженің өлшенген ұзақтығы мен болжамды көлемдер төлемге негіз болатын түпкілікті көлем болып саналмайды. Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген. Жылдам режим Көрсетілмеген Жылдам режим таңдалғанда Икемді режим Көрсетілмеген flex режимі таңдалғанда Ой қорытудың ең жоғары деңгейі Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда #### Салыстыруға арналған болжамды мөлшерлемелер #### Баптаулар бойынша бағалар Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз. | Баптау | Мөлшерлемелер кестесі | Болжамды мөлшер | Есептеу бірлігі | Төлем | | --- | --- | --- | --- | --- | | БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Болжамды мөлшер— | Есептеу бірлігі— | Төлем Кіріс · Кіріс токендері · Тек салыстыруға арналған бағалау **—** / 1K токен Шығыс · Шығыс токендері · Тек салыстыруға арналған бағалау **—** / 1K токен Кіріс · Кэшті оқу · Тек салыстыруға арналған бағалау **—** / 1K токен Кіріс · Кэшке жазу · Тек салыстыруға арналған бағалау **—** / 1K токен Кіріс · Кэшке жазу, 1 сағ · Тек салыстыруға арналған бағалау **—** / 1K токен | | Баптаукіріс аудио секунды | Мөлшерлемелер кестесі— | Болжамды мөлшер— | Есептеу бірлігікіріс аудионың секунды үшін | Төлем Кіріс · кіріс аудио секунды · Тек салыстыруға арналған бағалау **$0.00005** кіріс аудионың секунды үшін | | БаптауГенерацияның болжамды құны | Мөлшерлемелер кестесі— | Болжамды мөлшербір генерацияға арналған болжам | Есептеу бірлігі— | Төлем Шығыс · Генерацияның болжамды құны · Тек салыстыруға арналған бағалау **$0.00005** жасауға дейінгі бағалау Бұл бағалау қосымша төлем де, аяқталған генерация үшін белгіленген тұрақты тариф те емес. | Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. [Резервтеу мен төлемді есептеу тәртібі →](https://ailoot.ai/docs/kk/billing/reserve/) ### Сұрау мысалдары #### Ailoot Ultra · Дыбысты мәтінге түсіру curl · төл пішімдегі дәл сұрау денесі және толық нәтиже ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Нәтижелерді алу және сақтау #### Ailoot Ultra · Дыбысты мәтінге түсіру - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Басқа мазмұнды оқу Өзіңізге тиесілі қолда бар материалдарды оқу ```bash set -eu : "${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. ``` ##### Барлық дайын нәтижені сақтау Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз. Толық жауапты және тақырыптарды, алынған әрбір нәтижені, бастапқыда қайтарылған идентификаторларды және пайдалану туралы барлық өрістерді сақтаңыз. Жасау сұрауын қайта жібермей, бастапқы операцияны қалпына келтіріңіз. ##### Бастапқы жауапты тексеру қажет болса Есептерді салыстырып тексеру үшін қайтарылған X-Client-Request-ID мәнін сақтаңыз. Тек нақты қайтарылған task\_id/asset\_id мәндері арқылы немесе өзіңізге тиесілі медиатекадан оқыңыз; операция ID мәнінен тапсырманың URL мекенжайын ешқашан құрастырмаңыз және жасау сұрауын ешқашан қайта жібермеңіз. Жауап өрістері | Өріс | Түрі | | --- | --- | | Өріс`text` | Түрі | | Өріс`usage` | Түрі | | Өріс`segments[]` | Түрі | | Өріс`words[]` | Түрі | | Өріс`speaker fields` | Түрі | | Өріс`timestamps` | Түрі | ### Балама атаулар #### Модельдердің балама атаулары **Ailoot Ultra** [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/kk/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&fmt=transcriptions) #### Әдіс жолдарының балама атаулары Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз. #### Шақыруға арналған байланысты ID [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/kk/#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 Қандай кіріс деректері мен нәтижелер қолжетімді? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `audio` → `text` Сұрау қандай өрістерді пайдаланады? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Қандай шектеулер қолданылады? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Ailoot-ты Claude Code, OpenCode, Hermes не қолданбаңызға қосыңыз. ## Компания және оның жобалар портфелі Компания және оның жобалар портфелі: миллиондаған клиент; ай сайынғы сату көлемі миллиардтармен есептеледі. ## Токенді жеңілдікпен сатып алыңыз. Тұрақты жұмысқа жазылым жеңілдігі. Токен сатып алуға промокодтар — 50% дейін. Жазылым Тұрақты сұрауыңызға жеңілдікті тариф таңдаңыз. 50% дейінгі промокод Сатып алғанда код енгізіңіз. Баға қазіргі науқанмен қайта есептеледі. Тарихтағы шығындар Әр сұрауға модель, токен және сома сақталады. [Жазылым таңдау](https://ailoot.ai/docs/kk/billing/subscriptions/) · [Модель бағасын көру](https://ailoot.ai/models/kk/) ## API-ді сататын өніміңізге қосыңыз. SaaS, қолданба мен бот Ailoot офертасы және лицензиялық шартына сай. Қайта сатуға реселлер лицензиясын сұраңыз. Коммерциялық қолданба Қызметіңіздің ақылы функциясына мәтін, сурет, бейне және дыбыс жасауды қосыңыз. Реселлер лицензиясы Жоба сипаттамасы мен кіру схемасын жіберіңіз. Пайдалану мен қайта сатуға жазбаша шарт сұраңыз. Сайттағы құжаттар Оферта, лицензиялық шарт және дерек саясаты қоспай тұрып қолжетімді. [Реселлер лицензиясын сұрау](mailto:support@ailoot.ai) · [Оферта мен лицензиялық шарт](https://ailoot.ai/legal/offer?lang=kk) ## Ailoot · Компания және оның жобалар портфелі Ailoot жинақталған жұмыс тәжірибесіне, кең клиенттік базаға, тұрақты қызметке және KPI көрсеткіштерін үздіксіз бақылауға сүйенеді. Компания және оның жобалар портфелі: миллиондаған клиент; ай сайынғы сату көлемі миллиардтармен есептеледі. Ailoot осы тәжірибені клиенттердің өнімдерінде, агенттерінде, қолданбаларында және автоматтандыруларында жасанды интеллект мүмкіндіктеріне API арқылы қол жеткізуді қамтамасыз етуге пайдаланады.