NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B

NVIDIA의 Nemotron 3.5 ASR Streaming Multilingual 0.6B는 캐시를 활용하는 스트리밍 인코더로 음성을 문장 부호가 포함된 텍스트로 전사합니다. 언어를 명시적으로 지정하거나 자동 감지할 수 있으며, 바로 전사할 수 있는 로캘 32개와 적응 학습이 필요한 로캘 8개를 지원합니다.

Ailoot Ultra · 음성 전사 POST /v1/audio/transcriptions nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b

모델 소개

이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.

Nemotron 3.5 ASR Streaming Multilingual 0.6B는 실시간 전사와 녹음 오디오 작업을 위한, 매개변수 6억 개의 NVIDIA 음성 인식 모델입니다. 영어 스트리밍 제품군에 언어 ID 조건 지정을 더해 확장한 모델입니다. 음성은 입력 언어의 텍스트로 변환되며, 출력에 문장 부호와 대문자 표기가 포함됩니다.

제조사의 언어 지원은 세 단계로 나뉩니다. 전사 준비가 된 19개 로캘은 미국 및 영국 영어, 미국 및 스페인 스페인어, 프랑스 및 캐나다 프랑스어, 이탈리아어, 브라질 및 포르투갈 포르투갈어, 네덜란드어, 독일어, 터키어, 러시아어, 아랍어, 힌디어, 일본어, 한국어, 베트남어, 우크라이나어를 포함합니다. 폭넓은 지원에 해당하는 13개 로캘은 폴란드어, 스웨덴어, 체코어, 노르웨이어 보크몰, 덴마크어, 불가리아어, 핀란드어, 크로아티아어, 슬로바키아어, 표준 중국어, 헝가리어, 루마니아어, 에스토니아어를 추가합니다. 이 32개 로캘은 모두 추가 미세 조정 없이 전사문을 생성합니다.

적응 학습을 위한 8개 로캘인 그리스어, 리투아니아어, 라트비아어, 몰타어, 슬로베니아어, 히브리어, 태국어, 노르웨이어 뉘노르스크는 토크나이저가 인식하지만, 완전한 전사 기능을 활성화하려면 해당 도메인에서 미세 조정해야 합니다. 따라서 제조사의 40개 로캘이라는 수치는 40개 모두가 기본 상태에서 동일한 기능을 가진다는 주장이 아닙니다. 사용자 맞춤 체크포인트는 기본 모델과 별개의 산출물입니다.

아키텍처는 캐시를 활용하는 24개 레이어의 FastConformer 인코더와 RNN-T 디코더를 결합합니다. 이전 프레임의 인코더 어텐션 및 합성곱 상태를 유지하고, 겹치는 창을 반복해서 다시 계산하지 않으면서 새 오디오 청크를 처리합니다. 음향 표현과 함께 언어 ID 신호를 제공해 전사 언어를 조건으로 지정하거나 모델이 언어를 추론하게 합니다.

NVIDIA의 NeMo 구성에는 80, 160, 320, 560, 1120밀리초의 청크 크기가 문서화되어 있습니다. 어텐션 설정은 텍스트를 출력하기 전에 청크에 얼마만큼의 미래 오디오를 제공할지 제어하므로, 작업에 맞게 대기 시간과 음향 문맥 사이의 균형을 조정할 수 있습니다. 이는 제조사의 스트리밍 구성이지 보장되는 전체 처리 응답 시간은 아닙니다. 구현에서는 이 중 자체적으로 지원하는 일부만 제공할 수 있습니다.

제조사 프로세서의 샘플링 레이트인 16 kHz에 맞춘 모노 WAV 오디오를 준비하세요. 언어를 알고 있다면 해당 로캘 조건을 사용하고, 자동 모드에서는 발화 언어를 감지합니다. 기본 파이프라인 예제는 기본값으로 미국 영어 프롬프트를 사용하므로, 그 예제만 보고 다국어 동작을 가정하지 말고 의도적으로 구성해야 합니다.

자동 모드에서 제조사의 워크플로는 전사문의 마지막 문장 부호 뒤에 언어 태그를 추가할 수 있습니다. 태그를 유지하면 여러 언어의 요청을 처리하는 애플리케이션에서 해당 언어를 활용할 수 있고, 제거하면 순수한 전사 텍스트를 얻습니다. 결과를 표시하거나 처리할 때 인식된 단어, 문장 부호와 이 언어 메타데이터를 구분하세요.

자막 애플리케이션은 오디오를 순서대로 공급하고 전사문을 수집한 뒤, 완성된 텍스트를 표시하거나 후속 처리에 사용할 수 있습니다. 음성 애플리케이션은 인식된 발화를 언어 이해 단계로 전달할 수 있습니다. 통화 분석 작업에서는 이름, 숫자와 익숙하지 않은 용어를 살펴볼 수 있도록 원본 녹음과 전사문을 함께 보관할 수 있습니다. ASR 모델은 전사문을 제공하며, 요약, 후속 조치와 음성 생성은 애플리케이션의 별도 단계입니다.

NVIDIA는 공개 및 독점 음성 데이터를 혼합해 모델을 학습하며, 사람이 붙인 라벨과 합성 라벨을 문장 부호 및 올바른 대소문자 표기가 있는 텍스트로 정규화합니다. 적응 학습 지침은 언어 라벨과 텍스트 스타일을 일치시킨 다음, 실제로 사용할 스트리밍 설정에서 학습에 쓰지 않은 오디오를 평가하는 데 중점을 둡니다. 지침은 언어, 억양과 도메인 적응을 설명하지만, 그러한 사용자 맞춤 결과를 원본 체크포인트의 속성으로 간주하지 않습니다.

모델 카드는 모든 경우에 적용되는 단일 녹음 시간 상한을 제시하는 대신, 실제로 처리할 수 있는 녹음 길이를 사용 가능한 메모리와 연결합니다. 다국어 에디션을 영어 전용 모델과 구분하고, 선택한 언어 및 스트리밍 구성을 전사 결과와 함께 유지하세요. 출력 산출물은 인식된 텍스트와 선택적인 제조사 언어 메타데이터이며, 일반적인 대화형 답변은 아닙니다.

Ailoot Ultra · 음성 전사 POST /v1/audio/transcriptions nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b

nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b

NVIDIA /nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b

시작하기

허용 입력: 오디오
결과: 텍스트

Ailoot에서 사용 가능 · 입력 및 메서드

Ailoot Ultra · 음성 전사 POST /v1/audio/transcriptions

입력: audio
출력: text

필드	유형	요건	값과 한도	기본값
필드`model`	유형`string`	요건필수	값과 한도 nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b	기본값—
필드`input_audio`	유형`object`	요건필수	값과 한도	기본값—
필드`language`	유형`string`	요건선택 사항	값과 한도	기본값—
필드`temperature`	유형`number`	요건선택 사항	값과 한도 최솟값: 0 최댓값: 1	기본값—
필드`response_format`	유형`string`	요건선택 사항	값과 한도 json, verbose_json	기본값json
필드`timestamp_granularities`	유형`array`	요건선택 사항	값과 한도	기본값—
필드`provider`	유형`object`	요건선택 사항	값과 한도	기본값—

메서드 매개변수와 수명 주기

매개변수	명세
매개변수`content_type`	명세application/json
매개변수`required`	명세model, input_audio
매개변수`material_types`	명세audio
매개변수`material_conditions`	명세실제 WAV 파일을 읽고 해당 바이트를 선언된 JSON input_audio에 맞게 인코딩하세요. 이 정확한 JSON 전용 선언에는 multipart 경로가 안내되어 있지 않습니다.

수명 주기: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · 실제로 반환된 task_id 또는 미디어 라이브러리 기록

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

요금

최종 요금 계산 방식

표시된 요율은 생성 전 비용을 예상하는 데 사용됩니다. 최종 청구액은 최초 생성에 기록된 비용으로 계산됩니다. 측정된 출력 길이와 예상 수량은 최종 청구 수량이 아닙니다.

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드: 미지정 빠른 모드를 선택한 경우
Flex 모드: 미지정 flex 모드를 선택한 경우
최대 추론 수준: 미지정 최대 추론 수준에 default 조정값을 적용하는 경우

비교용 예상 요금

설정별 가격

각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.

설정	요금표	예측 수량	과금 단위	요금
설정기본 토큰 요금	요금표기본 요금	예측 수량—	과금 단위—	요금 입력 · 입력 토큰 · 비교 전용 추정치 — / 1K 토큰 출력 · 출력 토큰 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 읽기 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 쓰기 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 · 비교 전용 추정치 — / 1K 토큰
설정입력 오디오(초)	요금표—	예측 수량—	과금 단위입력 오디오 초당	요금 입력 · 입력 오디오(초) · 비교 전용 추정치 $0.00000666 입력 오디오 초당
설정예상 생성 비용	요금표—	예측 수량1회 생성 예상치	과금 단위—	요금 출력 · 예상 생성 비용 · 비교 전용 추정치 $0.00000666 생성 전 추정치 이 예상 금액은 추가 요금이나 생성 완료 시 적용되는 고정 요금이 아닙니다.

Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →

요청 예제

Ailoot Ultra · 음성 전사

curl · 정확한 네이티브 본문과 결과 전체

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.

결과 수신 및 저장

Ailoot Ultra · 음성 전사

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

기타 콘텐츠 조회

내 소유의 기존 자산 조회

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.

완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

전체 응답과 헤더, 실제로 생성된 모든 출력, 최초로 반환된 식별자와 모든 사용량 필드를 보관하세요. 생성 요청을 다시 제출하지 말고 최초 작업을 복구하세요.

원래 응답을 확인해야 할 경우

정산 대조를 위해 반환된 X-Client-Request-ID를 보관하세요. 실제로 반환된 task_id/asset_id 값이나 소유한 미디어 라이브러리만 조회하세요. 작업 ID로 태스크 URL을 만들거나 생성 요청을 다시 제출하지 마세요.

응답 필드

필드	유형
필드`text`	유형
필드`usage`	유형
필드`segments[]`	유형
필드`words[]`	유형
필드`speaker fields`	유형
필드`timestamps`	유형

별칭

모델 별칭

Ailoot Ultra nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B