Deepgram: Nova-3
Nova-3 ialah model pertuturan-ke-teks kegunaan umum Deepgram untuk audio rakaman dan penstriman. Ia menyokong pengecaman satu bahasa, mod pertukaran bahasa berbilang bahasa yang ditetapkan dan keyterm prompting, lalu mengembalikan transkrip dengan pemasaan perkataan serta maklumat keyakinan.
Tentang model
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Nova-3 ialah model pengecaman pertuturan kegunaan umum Deepgram untuk menukarkan audio kepada teks. Pengeluar mengesyorkannya untuk mesyuarat, kapsyen acara, rakaman berbilang penutur dan keadaan mencabar seperti bunyi bising atau mikrofon jauh, menggunakan transkripsi prarakaman atau penstriman. Hasil bergunanya ialah pertuturan yang dikenal pasti bersama pemasaan dan maklumat keyakinan yang kekal dipautkan kepada audio sumber.
Pilih aliran kerja bahasa
Bahasa lalai yang didokumenkan ialah bahasa Inggeris. Permintaan satu bahasa memilih bahasa yang dituturkan atau locale yang disokong. Jadual model umum semasa merangkumi varian serantau bahasa Inggeris, bahasa Sepanyol, Perancis, Jerman, Rusia, Portugis, Jepun, Itali, Belanda, Arab, tulisan Cina dan banyak bahasa lain, termasuk bahasa Kazakh. Pilih daripada kod yang disokong pengeluar, bukannya menganggap setiap nama locale diterima.
Tetapan berbilang bahasa ialah aliran kerja pertukaran bahasa yang berasingan. Jadual Nova-3 semasa menyenaraikan sepuluh bahasa untuknya: bahasa Inggeris, Sepanyol, Perancis, Jerman, Hindi, Rusia, Portugis, Jepun, Itali dan Belanda. Set ini tidak sama dengan senarai satu bahasa yang lebih besar. Untuk rakaman yang bersilih ganti antara bahasa yang disokong, sediakan mod berbilang bahasa, bukannya memaksa seluruh perbualan ke tetapan satu bahasa yang tidak berkaitan. Kekalkan perkara yang dituturkan sebelum menyediakan sebarang versi terjemahan atau ringkasan.
Audio rakaman dan penyediaan transkrip
Aliran kerja fail Deepgram menerima bait audio yang dimuat naik atau rujukan kepada fail audio. Simpan transkrip yang dikembalikan apabila permintaan selesai; pengeluar tidak menyimpan transkrip untuk diambil kemudian. Format dan pengekodan input lazim yang didokumenkan termasuk MP3, MP4, MP2, AAC, WAV, FLAC, PCM, M4A, Ogg, Opus dan WebM. Simpan format sebenar serta maklumat saluran bersama rakaman. Berikan pengecam stabil kepada rakaman dan pastikan hasil dikaitkan dengan sumber serta maklumat saluran yang betul. Untuk mesyuarat, semak nama peserta dan istilah teknikal sambil mendengar bunyi asal. Untuk kuliah atau acara, kekalkan urutan audio supaya kapsyen atau hasil carian kemudian dapat mencari petikan relevan.
Panduan prarakaman pengeluar menyenaraikan saiz fail maksimum 2 GB dan mengesyorkan pengekstrakan strim audio daripada fail video besar. Ia turut mendokumenkan tamat masa pemprosesan sepuluh minit untuk permintaan Nova. Tamat masa itu berkenaan tempoh pemprosesan permintaan, bukan tempoh maksimum rakaman sepuluh minit. Hasil berguna merangkumi bahagian akhir rakaman yang dimaksudkan; transkrip yang hanya dikekalkan sebahagiannya tidak patut dianggap sebagai teks lengkap.
Baca perkataan, masa dan keyakinan
Respons JSON yang didokumenkan merangkumi alternatif transkrip dan perkataan yang dikenal pasti, dengan masa mula serta tamat setiap perkataan dalam saat dari permulaan audio dan nilai keyakinan. Untuk transkrip berbilang penutur, diarisasi pilihan pengeluar memberikan label penutur kepada setiap perkataan. Diarisasi prarakaman turut mengembalikan keyakinan penutur; diarisasi penstriman mengembalikan label penutur. Semak label tersebut berdasarkan suara dalam rakaman. Keyakinan transkrip keseluruhan turut dilaporkan pada skala 0–1. Apabila pemformatan pintar diminta, hasil boleh menyertakan tanda baca dan huruf besar sebagai perkataan bertanda baca, bersama maklumat perenggan yang boleh dibaca.
Gunakan medan itu mengikut maknanya. Masa perkataan menunjukkan lokasi pertuturan yang dikenal pasti, manakala keyakinan ialah petunjuk kebolehpercayaan model, bukan bukti bahawa nama atau kuantiti sukar didengar dengan betul. Untuk penyediaan kapsyen, simpan pemasaan bersama ungkapan yang telah disemak dan periksa sempadan berdasarkan bunyi. Untuk versi editorial yang boleh dibaca, pastikan perubahan dapat dibezakan daripada transkrip pengecaman, bukannya menggantikan perkataan tidak pasti secara senyap dengan cerita yang munasabah.
Pengecaman penstriman dan segmen akhir
Aliran kerja penstriman Nova mengembalikan teks semasa audio diterima, dengan hasil sementara dan akhir. Penunjuk is_final membezakan teks yang mungkin disemak semula daripada segmen yang telah dimuktamadkan. Penunjuk speech_final berkaitan penentuan titik akhir segmen pertuturan. Bezakan isyarat ini daripada sekadar menerima transkrip tidak kosong dan simpan segmen akhir mengikut urutan audio ketika menyediakan rekod lengkap.
Nova-3 ialah ASR umum, bukannya model perbualan Flux yang berasingan dengan pengesanan giliran natif model. Nova menandakan kemuktamadan transkrip dan titik akhir pertuturan; Flux membekalkan peristiwa keadaan giliran perbualannya sendiri. Pilih aliran kerja transkripsi berdasarkan sama ada audio sudah dirakam atau sedang diterima secara langsung, sambil menggunakan output akhir sebenar sebagai artifak untuk disimpan.
Keyterm untuk kosa kata penting
Keyterm Prompting Nova-3 yang didokumenkan menyokong transkripsi satu bahasa dan berbilang bahasa serta menyesuaikan pengecaman ke arah istilah penting tanpa melatih semula model. Berikan nama berkaitan, istilah produk, akronim atau frasa berbilang perkataan yang mungkin benar-benar dituturkan. Panduan mengehadkan input keyterm gabungan kepada 500 token dan mengesyorkan tumpuan pada kosa kata paling penting, bukannya menambah perkataan biasa tanpa memilih.
Sintaks pengeluar menggunakan istilah biasa, dengan entri keyterm berasingan bagi setiap istilah. Frasa berbilang perkataan kekal satu frasa. Pemberat keyword lama atau penguat, serta penggabungan istilah berasingan menggunakan koma, koma bernoktah atau pemisah baris, tidak setara: antara muka boleh menerimanya sebagai satu nilai literal tanpa memberikan penguatan yang dimaksudkan. Gunakan huruf besar yang betul untuk nama, kemudian periksa transkrip kerana konteks audio dan pemformatan pintar masih boleh mengubah bentuk bertulis akhir.
Sempadan keluarga model dan hasil berguna
Profil Nova-3 umum berbeza daripada pilihan Medical dan Pharma yang dinamakan secara berasingan. Prompt kosa kata tidak menjadikannya edisi lain, dan liputan bahasa atau tingkah laku model khusus tidak patut diandaikan untuk model umum. Ciri pemprosesan transkrip tambahan ialah pilihan dalam aliran kerja pertuturan pengeluar, bukan bukti bahawa pengecaman telah menghasilkan ringkasan, terjemahan atau artifak lain yang tidak pernah diminta.
Hasil Nova-3 yang berguna boleh berupa transkrip mesyuarat boleh carian, ungkapan sedia kapsyen bersama pemasaan perkataan atau rekod perbualan berbilang bahasa. Simpan pengecam audio, aliran kerja bahasa terpilih, teks akhir dan sebarang medan keyakinan atau pemasaan yang berguna. Periksa nama tidak jelas, nombor, suara bertindih dan pertukaran bahasa berdasarkan rakaman asal, serta pastikan pertuturan yang benar-benar dikenal pasti kekal tersedia untuk langkah pemprosesan kandungan seterusnya.
Ailoot Ultra · Pengecaman pertuturan POST /v1/audio/transcriptions deepgram/nova-3
deepgram/nova-3Pengenalan
Nova-3 ialah model pertuturan-ke-teks kegunaan umum Deepgram untuk audio rakaman dan penstriman. Ia menyokong pengecaman satu bahasa, mod pertukaran bahasa berbilang bahasa yang ditetapkan dan keyterm prompting, lalu mengembalikan transkrip dengan pemasaan perkataan serta maklumat keyakinan.
- Input yang diterima
- Audio
- Hasil
- transcription
Tersedia di Ailoot · input & kaedah
Ailoot Ultra · Pengecaman pertuturan POST /v1/audio/transcriptions
- Input
audio- Output
transcription- Format output
- json
| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had deepgram/nova-3 | Lalai— |
Medaninput_audio | Jenisobject | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanlanguage | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Minimum: 0 Maksimum: 1 | Lalai— |
Medanresponse_format | Jenisstring | KeperluanPilihan | Nilai & had json, verbose_json | Lalaijson |
Medantimestamp_granularities | Jenisarray | KeperluanPilihan | Nilai & had | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Gabungan bahan input
speech_to_text · Diperlukan: actual matching-format audio file
Parameter kaedah dan kitar hayat
| Parameter | Kontrak |
|---|---|
Parametercontent_types | Kontrakapplication/json, multipart/form-data |
Parameterrequired | Kontrakmodel, input_audio |
Parametermaterial_types | Kontrakaudio |
ParameterJSON_audio | Kontrakbait audio mentah sebenar dalam base64 berserta format yang sepadan |
Parametermultipart_required | Kontrakmodel, file |
Parametermultipart_cap_bytes | Kontrak26214400 |
Parameteroptional_controls | Kontraklanguage, temperature, response_format, timestamp_granularities, provider |
Parameterdefault_response_format | Kontrakjson |
Parameteroptional_features | KontrakOutput terperinci, diarize/keyterms dan URL/audio sebaris yang lebih besar memerlukan keupayaan serta tarif model/pembekal yang tepat. |
Kitar hayat: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id sebenar yang dikembalikan atau rekod pustaka media
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Gunakan model yang tepat dan medan input yang didokumenkan.
Simpan respons lengkap, setiap output sebenar dan ID asal yang dikembalikan.
Pelan harga
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
- Mod pantas
- Tidak dinyatakan Apabila mod pantas dipilih
- Mod flex
- Tidak dinyatakan Apabila mod flex dipilih
- Usaha penaakulan maksimum
- Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default
Kadar Ailoot
Harga mengikut konfigurasi
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Unit pengebilan | Caj |
|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Unit pengebilan— | Caj Input · Token input — / 1K token Output · Token output — / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiUltra | Jadual kadar— | Unit pengebilanbagi setiap saat audio masukan | Caj Input · saat input audio $0.0001433333333334 bagi setiap saat audio masukan |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Butiran tarif rujukan
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Deepgram: Nova-3
Harga mengikut konfigurasi
| Konfigurasi | Syarat pengebilan | Caj |
|---|---|---|
| KonfigurasiDeepgram: Nova-3 · Konfigurasi lalai | Syarat pengebilanKonfigurasi lalai | Caj Input · Saat audio input ≈USD 0.000143 bagi setiap saat audio masukan |
Contoh permintaan
Ailoot Ultra · Pengecaman pertuturan
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'deepgram/nova-3', 'input_audio': {'data': '${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.
Terima dan simpan hasil
Ailoot Ultra · Pengecaman pertuturan
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
JSON asal yang lengkap, semua teks/segmen/perkataan/penutur/cap masa yang tersedia dan penggunaan.
Jika respons asal perlu disemak
Simpan operation_id/X-Client-Request-ID asal dan respons asal. Baca rekod tugas/aset sebenar milik anda tanpa menghantar semula; tiada URL semakan berkala audio khusus dibina.
Medan respons
| Medan | Jenis |
|---|---|
Medantext | Jenisstring |
Medanusage | Jenisobject |
Medansegments[] | Jenisobject |
Medanwords[] | Jenisobject |
Alias
Alias model
Ailoot Ultra deepgram/nova-3
Alias laluan kaedah
Gunakan laluan kaedah yang dipaparkan di atas.
ID pemanggil berkaitan
FAQ · Deepgram: Nova-3
- Apakah input dan hasil yang tersedia?
POST /v1/audio/transcriptions·deepgram/nova-3:audio→transcription- Apakah medan yang digunakan oleh permintaan?
POST /v1/audio/transcriptions·deepgram/nova-3:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Apakah had yang terpakai?
POST /v1/audio/transcriptions·deepgram/nova-3:temperature.minimum:0;temperature.maximum:1