Source: https://ailoot.ai/models/nb/nvidia-parakeet-tdt-0-6b-v3/ Canonical: https://ailoot.ai/models/nb/nvidia-parakeet-tdt-0-6b-v3/ Language: nb # NVIDIA: Parakeet TDT 0.6B v3 [Markdown](https://ailoot.ai/models/nb/nvidia-parakeet-tdt-0-6b-v3/index.md) · [JSON](https://ailoot.ai/models/nb/nvidia-parakeet-tdt-0-6b-v3/facts.json) ## [NVIDIA: Parakeet TDT 0.6B v3](https://ailoot.ai/models/nb/nvidia-parakeet-tdt-0-6b-v3/) NVIDIAs Parakeet TDT 0.6B v3 er en tale-til-tekst-modell med 600M parametere for 25 europeiske språk, med automatisk språkgjenkjenning. Den produserer transkripsjoner med tegnsetting og støtter tidsstempler for ord og segmenter, med moduser for lange lydopptak knyttet til produsentens oppmerksomhetskonfigurasjon. - [**Ailoot Ultra · Transkripsjon** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/nb/nvidia-parakeet-tdt-0-6b-v3/#method-0) Om modellen Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden. Parakeet TDT 0.6B v3 er NVIDIAs flerspråklige talegjenkjenningsmodell med 600 millioner parametere. Den utvider v2-modellen, som bare støtter engelsk, til 25 europeiske språk og oppdager automatisk språket i lyden uten en separat språkledetekst. Resultatet er en transkripsjon av talen, med tegnsetting og korrekt bruk av store og små bokstaver. De støttede språkene er bulgarsk, kroatisk, tsjekkisk, dansk, nederlandsk, engelsk, estisk, finsk, fransk, tysk, gresk, ungarsk, italiensk, latvisk, litauisk, maltesisk, polsk, portugisisk, rumensk, slovakisk, slovensk, spansk, svensk, russisk og ukrainsk. Denne listen tilhører v3-utgaven; andre Parakeet-dekodertyper og språkvarianter er separate modeller. Arkitekturen kombinerer en FastConformer-koder med en transduserdekoder for token og varighet. Koderen gjør det akustiske signalet om til representasjoner; dekoderen predikerer teksttokener sammen med varighetene som trengs for å gå videre gjennom lydrammene. Denne TDT-atferden skiller den fra familiens CTC- og vanlige RNN-T-dekodere. Forbered enkanalslyd med en samplingsfrekvens på 16 kHz. Produsentens direkte inndataformater er WAV og FLAC, og implementeringseksemplene bruker en prosessor til å klargjøre bølgeformen for gjenkjenning. Behold opptaksidentifikatoren og originallyden sammen med den returnerte teksten, slik at transkripsjonen kan kontrolleres eller justeres mot kilden. Tidsstempling legger til tidsinformasjon i den gjenkjente talen. NVIDIAs NeMo-eksempel returnerer tider for tegn, ord og segmenter når generering av tidsstempler er aktivert. En tekstings- eller arkivapplikasjon kan bruke segmentgrenser til å knytte et utdrag til opptaket, eller ordtider til å finne en bestemt frase. Transkripsjonen og tidsfeltene er forskjellige deler av resultatet og bør forbli knyttet sammen. For lange opptak er oppmerksomhetskonfigurasjonen viktig. Produsenten beskriver opptil 24 minutter med full oppmerksomhet på en A100 med 80 GB, og opptil tre timer med lokal oppmerksomhet. Langformeksemplet bytter koderen til lokal oppmerksomhet med avgrenset venstre- og høyrekontekst. Disse varighetene beskriver bestemte produsentkonfigurasjoner, fremfor én ubetinget grense for alle utrullinger. Produsenten publiserer også en arbeidsflyt for inferens i blokker til strømmingsbruk. Eksemplet definerer blokklengde og venstre og høyre lydkontekst rundt hver blokk. Dette er en annen behandlingsoppskrift enn Nemotron-strømmingsmodellen med innebygd støtte for hurtigbuffer. En applikasjon bør beholde den valgte oppskriften og den opprinnelige tidsreferansen når den samler transkripsjonen av et opptak på tvers av deler. Treningsblandingen omfatter 10 000 timer mennesketranskribert tale og 660 000 timer pseudomerkede Granary-data, med tegnsetting og korrekt bruk av store og små bokstaver bevart. Produsenten støtter også finjustering av dette publiserte kontrollpunktet på et annet taledatasett gjennom den dokumenterte modellarbeidsflyten; det justerte kontrollpunktet forblir atskilt fra v3-basismodellen. Modellens tekstutdata egner seg derfor som tale-til-tekst-trinn i en større arbeidsflyt. Et møtearkiv kan knytte transkripsjonen til opptaket; en søkeapplikasjon kan indeksere det gjenkjente utdraget; et tekstingsverktøy kan bruke de returnerte tidsmetadataene. Gjenkjenningskvaliteten varierer med språk, aksent, støy og type tale. Produsenten påpeker spesielt at ordforråd som ikke er representert under treningen, kan overses, og at enkeltord eller ufullstendige setninger gir svakere kontekst. Behold originallyden for gjennomgang av navn og faguttrykk, fremfor å gjøre en usikker gjenkjenning til et bekreftet faktum. Det nyttige artefaktet er transkripsjonen med den forespurte tidsinformasjonen. Sammendrag, oversettelser, taleranalyse og handlinger er separate applikasjonsoppgaver, ikke funksjoner som følger av et tale-til-tekst-navn. Hold v3-identiteten og produsentens oppmerksomhetsmodus atskilt fra andre kontrollpunkter og fra konverterte eller kvantiserte artefakter. **Ailoot Ultra · Transkripsjon** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3` [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/nb/#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` ### Start NVIDIAs Parakeet TDT 0.6B v3 er en tale-til-tekst-modell med 600M parametere for 25 europeiske språk, med automatisk språkgjenkjenning. Den produserer transkripsjoner med tegnsetting og støtter tidsstempler for ord og segmenter, med moduser for lange lydopptak knyttet til produsentens oppmerksomhetskonfigurasjon. Godkjente inndata Lyd Resultater Tekst ### Tilgjengelig i Ailoot · inndata & metoder **Ailoot Ultra · Transkripsjon** `POST /v1/audio/transcriptions` Inndatatyper `audio` Utdatatyper `text` | Felt | Type | Krav | Verdier & grenser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser nvidia/parakeet-tdt-0.6b-v3 | Standard— | | Felt`input_audio` | Type`object` | KravPåkrevd | Verdier & grenser | Standard— | | Felt`language` | Type`string` | KravValgfritt | Verdier & grenser | Standard— | | Felt`temperature` | Type`number` | KravValgfritt | Verdier & grenser Minimum: 0 Maksimum: 1 | Standard— | | Felt`response_format` | Type`string` | KravValgfritt | Verdier & grenser json, verbose\_json | Standardjson | | Felt`timestamp_granularities` | Type`array` | KravValgfritt | Verdier & grenser | Standard— | | Felt`provider` | Type`object` | KravValgfritt | Verdier & grenser | Standard— | Metodeparametere og livssyklus | Parameter | Avtale | | --- | --- | | Parameter`content_type` | Avtaleapplication/json | | Parameter`required` | Avtalemodel, input\_audio | | Parameter`material_types` | Avtaleaudio | | Parameter`material_conditions` | AvtaleLes en faktisk WAV-fil og kod de virkelige bytene for det deklarerte JSON-feltet input\_audio; ingen multipart-rute tilbys for denne eksakte deklarasjonen som bare bruker JSON. | Livssyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · faktisk returnert task\_id eller oppføring i mediebiblioteket `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Priser ##### Slik beregnes det endelige beløpet De viste satsene anslår kostnaden før generering. Det endelige beløpet beregnes ut fra kostnaden som er registrert for den opprinnelige genereringen. Målt varighet på utdataene og anslåtte mengder er ikke den endelige fakturerbare mengden. Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden. Hurtigmodus Ikke angitt Når hurtigmodus er valgt Flex-modus Ikke angitt Når flex-modus er valgt Maksimal resonneringsinnsats Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats #### Estimerte satser for sammenligning #### Priser etter konfigurasjon Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner. | Konfigurasjon | Prisplan | Forventet mengde | Faktureringsenhet | Kostnad | | --- | --- | --- | --- | --- | | KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Forventet mengde— | Faktureringsenhet— | Kostnad Inndata · Inngående tokener · Estimat kun for sammenligning **—** / 1K tokener Utdata · Utgående tokener · Estimat kun for sammenligning **—** / 1K tokener Inndata · Lesing fra hurtigbuffer · Estimat kun for sammenligning **—** / 1K tokener Inndata · Skriving til hurtigbuffer · Estimat kun for sammenligning **—** / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time · Estimat kun for sammenligning **—** / 1K tokener | | Konfigurasjonlydsekund i inndata | Prisplan— | Forventet mengde— | Faktureringsenhetper sekund inndatalyd | Kostnad Inndata · lydsekund i inndata · Estimat kun for sammenligning **$0.00005** per sekund inndatalyd | | KonfigurasjonAnslått genereringskostnad | Prisplan— | Forventet mengdeestimat for én generering | Faktureringsenhet— | Kostnad Utdata · Anslått genereringskostnad · Estimat kun for sammenligning **$0.00005** estimat før generering Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen. | Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/) ### Eksempelforespørsler #### Ailoot Ultra · Transkripsjon curl · nøyaktig forespørselskropp i originalformat og komplett resultat ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Motta og lagre resultater #### Ailoot Ultra · Transkripsjon - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Andre innholdslesinger Les eksisterende ressurser som tilhører deg ```bash set -eu : "${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. ``` ##### Behold alle ferdige resultater Behold alle fullstendige returnerte svar, filer og innholdsdeler. Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt. ##### Hvis det opprinnelige svaret må kontrolleres Bevar returnert X-Client-Request-ID for avstemming. Les bare faktisk returnerte task\_id/asset\_id-verdier eller egne oppføringer i mediebiblioteket; bygg aldri en oppgave-URL fra operasjons-ID-en, og send aldri opprettelsesforespørselen på nytt. Svarfelter | Felt | Type | | --- | --- | | Felt`text` | Type | | Felt`usage` | Type | | Felt`segments[]` | Type | | Felt`words[]` | Type | | Felt`speaker fields` | Type | | Felt`timestamps` | Type | ### Aliaser #### Modellaliaser **Ailoot Ultra** [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/nb/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&fmt=transcriptions) #### Aliaser for metodestier Bruk metodestiene som vises ovenfor. #### Tilknyttede anroper-ID-er [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/nb/#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 Hvilke inndata og resultater er tilgjengelige? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `audio` → `text` Hvilke felt bruker forespørselen? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Hvilke grenser gjelder? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon. ## Selskapet og dets prosjektportefølje Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. ## Kjøp tokener med rabatt. Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp. Abonnement Velg et rabattabonnement for faste forespørsler. Kampanjekode opptil 50% Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje. Kostnader i historikken Modell, tokener og beløp lagres for hver forespørsel. [Velg abonnement](https://ailoot.ai/docs/nb/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/nb/) ## Koble API-et til produktet du selger. SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg. Kommersiell applikasjon Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten. Forhandlerlisens Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg. Dokumenter på nettstedet Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling. [Be om forhandlerlisens](mailto:support@ailoot.ai) · [Offentlig tilbud og lisensavtale](https://ailoot.ai/legal/offer?lang=nb) ## Ailoot · Selskapet og dets prosjektportefølje Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll. Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.