NVIDIA: Parakeet TDT 0.6B v3

NVIDIA의 Parakeet TDT 0.6B v3는 유럽 25개 언어를 지원하고 언어를 자동 감지하는 600M 규모의 음성 텍스트 변환 모델입니다. 문장 부호가 포함된 전사문을 생성하고 단어 및 구간 타임스탬프를 지원하며, 긴 오디오 처리 모드는 제조사의 어텐션 구성에 따라 달라집니다.

Ailoot Ultra · 음성 전사 POST /v1/audio/transcriptions nvidia/parakeet-tdt-0.6b-v3

모델 소개

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

Parakeet TDT 0.6B v3는 매개변수 6억 개로 구성된 NVIDIA의 다국어 음성 인식 모델입니다. 영어만 지원하던 v2 모델을 유럽 25개 언어로 확장했으며, 별도의 언어 프롬프트 없이 오디오의 언어를 자동으로 감지합니다. 결과는 문장 부호와 대문자 표기가 포함된 음성 전사문입니다.

지원 언어는 불가리아어, 크로아티아어, 체코어, 덴마크어, 네덜란드어, 영어, 에스토니아어, 핀란드어, 프랑스어, 독일어, 그리스어, 헝가리어, 이탈리아어, 라트비아어, 리투아니아어, 몰타어, 폴란드어, 포르투갈어, 루마니아어, 슬로바키아어, 슬로베니아어, 스페인어, 스웨덴어, 러시아어, 우크라이나어입니다. 이 목록은 v3 에디션에 해당하며, 다른 Parakeet 디코더 유형과 언어 변형은 별도의 모델입니다.

아키텍처는 FastConformer 인코더와 토큰 및 지속 시간 트랜스듀서 디코더를 결합합니다. 인코더가 음향 신호를 표현으로 변환하면, 디코더는 텍스트 토큰과 함께 오디오 프레임을 따라 진행하는 데 필요한 지속 시간을 예측합니다. 이 TDT 동작은 같은 제품군의 CTC 및 일반 RNN-T 디코더와 구별되는 특징입니다.

16 kHz로 샘플링된 단일 채널 오디오를 준비하세요. 제조사의 직접 입력 형식은 WAV와 FLAC이며, 구현 예제에서는 프로세서를 사용해 인식할 파형을 준비합니다. 반환된 텍스트와 함께 녹음 식별자와 원본 오디오를 보관하면 전사문을 확인하거나 원본과 정렬할 수 있습니다.

타임스탬프 기능은 인식된 음성에 시간 정보를 추가합니다. NVIDIA의 NeMo 예제는 타임스탬프 생성을 활성화하면 문자, 단어 및 구간별 시간을 반환합니다. 자막 또는 아카이브 애플리케이션은 구간 경계를 이용해 특정 대목을 녹음과 연결하거나, 단어별 시간을 이용해 특정 문구의 위치를 찾을 수 있습니다. 전사문과 시간 필드는 결과의 서로 다른 부분이므로 연결을 유지해야 합니다.

긴 녹음에서는 어텐션 구성이 중요합니다. 제조사는 80 GB A100에서 전체 어텐션으로 최대 24분, 로컬 어텐션으로 최대 3시간을 처리할 수 있다고 설명합니다. 장시간 오디오 예제는 인코더를 좌우 컨텍스트 범위가 제한된 로컬 어텐션으로 전환합니다. 이러한 시간은 제조사의 특정 구성을 설명하며, 모든 배포에 무조건 적용되는 하나의 제한을 뜻하지 않습니다.

제조사는 스트리밍용 청크 단위 추론 워크플로도 공개합니다. 예제는 청크 길이와 각 청크 주변의 좌우 오디오 컨텍스트를 정의합니다. 이는 기본적으로 캐시를 활용하는 Nemotron 스트리밍 모델과는 별개의 처리 방법입니다. 애플리케이션은 여러 구간에 걸쳐 녹음 전사문을 수집할 때 선택한 처리 방법과 원래의 시간 기준을 보존해야 합니다.

학습 데이터에는 사람이 전사한 음성 10,000시간과 의사 라벨이 부여된 Granary 데이터 660,000시간이 포함되며, 문장 부호와 대문자 표기가 유지됩니다. 제조사는 문서화된 모델 워크플로를 통해 공개된 이 체크포인트를 다른 음성 데이터셋으로 미세 조정하는 것도 지원합니다. 조정된 체크포인트는 기본 v3 모델과 별개로 유지됩니다. 따라서 모델의 텍스트 출력은 더 큰 워크플로에서 음성을 텍스트로 변환하는 단계에 적합합니다. 회의 아카이브는 전사문을 녹음에 첨부하고, 검색 애플리케이션은 인식된 대목을 색인하며, 자막 도구는 반환된 시간 메타데이터를 활용할 수 있습니다.

인식 품질은 언어, 억양, 잡음과 발화 유형에 따라 달라집니다. 제조사는 특히 학습에 포함되지 않은 어휘를 놓칠 수 있고, 고립된 단어나 불완전한 문장은 문맥이 부족하다고 설명합니다. 불확실한 인식을 검증된 사실로 취급하지 말고, 이름과 전문 용어를 검토할 수 있도록 원본 오디오를 보존하세요.

유용한 산출물은 요청한 시간 정보가 포함된 전사문입니다. 요약, 번역, 화자 분석과 후속 조치는 별도의 애플리케이션 작업이며, 음성 텍스트 변환이라는 이름만으로 포함되는 기능은 아닙니다. v3의 정체성과 제조사의 어텐션 모드를 다른 체크포인트 및 변환되거나 양자화된 산출물과 구분해 유지하세요.

Ailoot Ultra · 음성 전사 POST /v1/audio/transcriptions nvidia/parakeet-tdt-0.6b-v3

nvidia/parakeet-tdt-0.6b-v3

NVIDIA /nvidia/parakeet-tdt-0.6b-v3

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/parakeet-tdt-0.6b-v3	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 $0.00005 입력 오디오 초당
설정예상 생성 비용	요금표—	예측 수량1회 생성 예상치	과금 단위—	요금 출력 · 예상 생성 비용 · 비교 전용 추정치 $0.00005 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/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.

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/parakeet-tdt-0.6b-v3

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

NVIDIA: Parakeet TDT 0.6B v3