Nemotron 3.5 ASR Streaming Multilingual 0.6B is NVIDIA’s spraakherkenningsmodel met 600 miljoen parameters voor livetranscriptie en verwerking van opgenomen audio. Het breidt de Engelstalige streaminglijn uit met conditionering op taal-ID. Spraak wordt tekst in de invoertaal, met leestekens en hoofdlettergebruik in de uitvoer ingebouwd.
De taaldekking van de maker heeft drie niveaus. Negentien taalvarianten die klaar zijn voor transcriptie omvatten Amerikaans en Brits Engels, Spaans uit de VS en Spanje, Frans uit Frankrijk en Canada, Italiaans, Braziliaans en Europees Portugees, Nederlands, Duits, Turks, Russisch, Arabisch, Hindi, Japans, Koreaans, Vietnamees en Oekraïens. Dertien taalvarianten met brede dekking voegen Pools, Zweeds, Tsjechisch, Noors Bokmål, Deens, Bulgaars, Fins, Kroatisch, Slowaaks, Mandarijn, Hongaars, Roemeens en Ests toe. Samen produceren deze 32 taalvarianten transcripties zonder extra fine-tuning.
Acht taalvarianten die klaar zijn voor aanpassing—Grieks, Litouws, Lets, Maltees, Sloveens, Hebreeuws, Thais en Noors Nynorsk—worden door de tokenizer herkend, maar vereisen fine-tuning binnen het toepassingsdomein om volledige transcriptie mogelijk te maken. Het cijfer van 40 taalvarianten van de producent beweert dus niet dat alle veertig dezelfde mogelijkheden hebben zonder aanpassing. Een aangepast checkpoint is een afzonderlijk resultaat ten opzichte van het basismodel.
De architectuur combineert een FastConformer-encoder met 24 lagen die rekening houdt met de cache, met een RNN-T-decoder. Ze bewaart attention- en convolutietoestanden van de encoder uit eerdere frames en verwerkt elk nieuw audioblok zonder overlappende vensters telkens opnieuw te berekenen. Naast de akoestische representatie wordt een taal-ID-signaal aangeleverd om de transcriptie te conditioneren of het model de taal te laten afleiden.
NVIDIA’s NeMo-configuratie documenteert blokgroottes van 80, 160, 320, 560 en 1120 milliseconden. De attention-instelling bepaalt hoeveel toekomstige audio een blok ontvangt voordat tekst wordt uitgestuurd, zodat een taak wachttijd en akoestische context kan afwegen. Dit zijn streamingconfiguraties van de producent, geen gegarandeerde antwoordtijden van begin tot einde; een implementatie kan een eigen ondersteunde deelverzameling aanbieden.
Bereid mono-WAV-audio voor op de samplefrequentie van 16 kHz van de producentprocessor. Gebruik de bijbehorende taalvariantconditionering wanneer de taal bekend is; de automatische modus detecteert de gesproken taal. Het basisvoorbeeld van de pipeline gebruikt standaard een prompt voor Amerikaans Engels, dus configureer meertalig gedrag bewust in plaats van het op basis van dat voorbeeld te veronderstellen.
In de automatische modus kan de workflow van de producent een taaltag toevoegen na het laatste leesteken van de transcriptie. Door die tag te bewaren, blijft de taal beschikbaar voor een applicatie die verkeer in meerdere talen verwerkt; door hem te verwijderen, krijgt u zuivere transcriptietekst. Behoud bij het weergeven of verwerken van het resultaat het onderscheid tussen de herkende woorden, hun leestekens en deze taalmetadata.
Een ondertitelingsapplicatie kan audio in volgorde aanleveren, de transcriptie verzamelen en voltooide tekst gebruiken voor weergave of verdere verwerking. Een spraakapplicatie kan herkende spraak doorgeven aan de stap voor taalbegrip. Voor gespreksanalyse kunnen de oorspronkelijke opname en transcriptie samen worden bewaard, zodat namen, getallen en onbekende termen controleerbaar blijven. Het ASR-model levert de transcriptie; samenvatten, acties en spraakgeneratie zijn afzonderlijke stappen van de applicatie.
NVIDIA traint het model op een mix van openbare en eigen spraakdata met menselijke en synthetische labels, genormaliseerd naar tekst met leestekens en correct hoofdlettergebruik. De aanpassingshandleiding benadrukt het afstemmen van taallabels en tekststijl, gevolgd door beoordeling op apart gehouden audio met de streaminginstelling die voor gebruik is bedoeld. Ze beschrijft taal-, accent- en domeinaanpassing zonder die aangepaste resultaten als eigenschappen van het oorspronkelijke checkpoint voor te stellen.
De modelkaart koppelt de praktische opnamelengte aan het beschikbare geheugen in plaats van één universele maximale duur te publiceren. Houd de meertalige editie gescheiden van het uitsluitend Engelstalige model en bewaar de gekozen taal- en streamingconfiguratie bij het transcriptieresultaat. De uitvoer is de herkende tekst, met optionele taalmetadata van de producent, geen algemeen gespreksantwoord.
", "aboutText": "Nemotron 3.5 ASR Streaming Multilingual 0.6B is NVIDIA’s spraakherkenningsmodel met 600 miljoen parameters voor livetranscriptie en verwerking van opgenomen audio. Het breidt de Engelstalige streaminglijn uit met conditionering op taal-ID. Spraak wordt tekst in de invoertaal, met leestekens en hoofdlettergebruik in de uitvoer ingebouwd.\n\nDe taaldekking van de maker heeft drie niveaus. Negentien taalvarianten die klaar zijn voor transcriptie omvatten Amerikaans en Brits Engels, Spaans uit de VS en Spanje, Frans uit Frankrijk en Canada, Italiaans, Braziliaans en Europees Portugees, Nederlands, Duits, Turks, Russisch, Arabisch, Hindi, Japans, Koreaans, Vietnamees en Oekraïens. Dertien taalvarianten met brede dekking voegen Pools, Zweeds, Tsjechisch, Noors Bokmål, Deens, Bulgaars, Fins, Kroatisch, Slowaaks, Mandarijn, Hongaars, Roemeens en Ests toe. Samen produceren deze 32 taalvarianten transcripties zonder extra fine-tuning.\n\nAcht taalvarianten die klaar zijn voor aanpassing—Grieks, Litouws, Lets, Maltees, Sloveens, Hebreeuws, Thais en Noors Nynorsk—worden door de tokenizer herkend, maar vereisen fine-tuning binnen het toepassingsdomein om volledige transcriptie mogelijk te maken. Het cijfer van 40 taalvarianten van de producent beweert dus niet dat alle veertig dezelfde mogelijkheden hebben zonder aanpassing. Een aangepast checkpoint is een afzonderlijk resultaat ten opzichte van het basismodel.\n\nDe architectuur combineert een FastConformer-encoder met 24 lagen die rekening houdt met de cache, met een RNN-T-decoder. Ze bewaart attention- en convolutietoestanden van de encoder uit eerdere frames en verwerkt elk nieuw audioblok zonder overlappende vensters telkens opnieuw te berekenen. Naast de akoestische representatie wordt een taal-ID-signaal aangeleverd om de transcriptie te conditioneren of het model de taal te laten afleiden.\n\nNVIDIA’s NeMo-configuratie documenteert blokgroottes van 80, 160, 320, 560 en 1120 milliseconden. De attention-instelling bepaalt hoeveel toekomstige audio een blok ontvangt voordat tekst wordt uitgestuurd, zodat een taak wachttijd en akoestische context kan afwegen. Dit zijn streamingconfiguraties van de producent, geen gegarandeerde antwoordtijden van begin tot einde; een implementatie kan een eigen ondersteunde deelverzameling aanbieden.\n\nBereid mono-WAV-audio voor op de samplefrequentie van 16 kHz van de producentprocessor. Gebruik de bijbehorende taalvariantconditionering wanneer de taal bekend is; de automatische modus detecteert de gesproken taal. Het basisvoorbeeld van de pipeline gebruikt standaard een prompt voor Amerikaans Engels, dus configureer meertalig gedrag bewust in plaats van het op basis van dat voorbeeld te veronderstellen.\n\nIn de automatische modus kan de workflow van de producent een taaltag toevoegen na het laatste leesteken van de transcriptie. Door die tag te bewaren, blijft de taal beschikbaar voor een applicatie die verkeer in meerdere talen verwerkt; door hem te verwijderen, krijgt u zuivere transcriptietekst. Behoud bij het weergeven of verwerken van het resultaat het onderscheid tussen de herkende woorden, hun leestekens en deze taalmetadata.\n\nEen ondertitelingsapplicatie kan audio in volgorde aanleveren, de transcriptie verzamelen en voltooide tekst gebruiken voor weergave of verdere verwerking. Een spraakapplicatie kan herkende spraak doorgeven aan de stap voor taalbegrip. Voor gespreksanalyse kunnen de oorspronkelijke opname en transcriptie samen worden bewaard, zodat namen, getallen en onbekende termen controleerbaar blijven. Het ASR-model levert de transcriptie; samenvatten, acties en spraakgeneratie zijn afzonderlijke stappen van de applicatie.\n\nNVIDIA traint het model op een mix van openbare en eigen spraakdata met menselijke en synthetische labels, genormaliseerd naar tekst met leestekens en correct hoofdlettergebruik. De aanpassingshandleiding benadrukt het afstemmen van taallabels en tekststijl, gevolgd door beoordeling op apart gehouden audio met de streaminginstelling die voor gebruik is bedoeld. Ze beschrijft taal-, accent- en domeinaanpassing zonder die aangepaste resultaten als eigenschappen van het oorspronkelijke checkpoint voor te stellen.\n\nDe modelkaart koppelt de praktische opnamelengte aan het beschikbare geheugen in plaats van één universele maximale duur te publiceren. Houd de meertalige editie gescheiden van het uitsluitend Engelstalige model en bewaar de gekozen taal- en streamingconfiguratie bij het transcriptieresultaat. De uitvoer is de herkende tekst, met optionele taalmetadata van de producent, geen algemeen gespreksantwoord.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "decba2c9cadc7866f5ffea069c4f26f26f94092956d7aac467debfdbce0503f0", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6bNVIDIA’s Nemotron 3.5 ASR Streaming Multilingual 0.6B transcribeert spraak naar tekst met leestekens via een streamingencoder die rekening houdt met de cache. Het ondersteunt expliciete taalconditionering of automatische detectie, met 32 taalvarianten die klaar zijn voor transcriptie en acht waarvoor aanpassing nodig is.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Nemotron 3.5 ASR Streaming Multilingual 0.6B is NVIDIA’s spraakherkenningsmodel met 600 miljoen parameters voor livetranscriptie en verwerking van opgenomen audio. Het breidt de Engelstalige streaminglijn uit met conditionering op taal-ID. Spraak wordt tekst in de invoertaal, met leestekens en hoofdlettergebruik in de uitvoer ingebouwd.
De taaldekking van de maker heeft drie niveaus. Negentien taalvarianten die klaar zijn voor transcriptie omvatten Amerikaans en Brits Engels, Spaans uit de VS en Spanje, Frans uit Frankrijk en Canada, Italiaans, Braziliaans en Europees Portugees, Nederlands, Duits, Turks, Russisch, Arabisch, Hindi, Japans, Koreaans, Vietnamees en Oekraïens. Dertien taalvarianten met brede dekking voegen Pools, Zweeds, Tsjechisch, Noors Bokmål, Deens, Bulgaars, Fins, Kroatisch, Slowaaks, Mandarijn, Hongaars, Roemeens en Ests toe. Samen produceren deze 32 taalvarianten transcripties zonder extra fine-tuning.
Acht taalvarianten die klaar zijn voor aanpassing—Grieks, Litouws, Lets, Maltees, Sloveens, Hebreeuws, Thais en Noors Nynorsk—worden door de tokenizer herkend, maar vereisen fine-tuning binnen het toepassingsdomein om volledige transcriptie mogelijk te maken. Het cijfer van 40 taalvarianten van de producent beweert dus niet dat alle veertig dezelfde mogelijkheden hebben zonder aanpassing. Een aangepast checkpoint is een afzonderlijk resultaat ten opzichte van het basismodel.
De architectuur combineert een FastConformer-encoder met 24 lagen die rekening houdt met de cache, met een RNN-T-decoder. Ze bewaart attention- en convolutietoestanden van de encoder uit eerdere frames en verwerkt elk nieuw audioblok zonder overlappende vensters telkens opnieuw te berekenen. Naast de akoestische representatie wordt een taal-ID-signaal aangeleverd om de transcriptie te conditioneren of het model de taal te laten afleiden.
NVIDIA’s NeMo-configuratie documenteert blokgroottes van 80, 160, 320, 560 en 1120 milliseconden. De attention-instelling bepaalt hoeveel toekomstige audio een blok ontvangt voordat tekst wordt uitgestuurd, zodat een taak wachttijd en akoestische context kan afwegen. Dit zijn streamingconfiguraties van de producent, geen gegarandeerde antwoordtijden van begin tot einde; een implementatie kan een eigen ondersteunde deelverzameling aanbieden.
Bereid mono-WAV-audio voor op de samplefrequentie van 16 kHz van de producentprocessor. Gebruik de bijbehorende taalvariantconditionering wanneer de taal bekend is; de automatische modus detecteert de gesproken taal. Het basisvoorbeeld van de pipeline gebruikt standaard een prompt voor Amerikaans Engels, dus configureer meertalig gedrag bewust in plaats van het op basis van dat voorbeeld te veronderstellen.
In de automatische modus kan de workflow van de producent een taaltag toevoegen na het laatste leesteken van de transcriptie. Door die tag te bewaren, blijft de taal beschikbaar voor een applicatie die verkeer in meerdere talen verwerkt; door hem te verwijderen, krijgt u zuivere transcriptietekst. Behoud bij het weergeven of verwerken van het resultaat het onderscheid tussen de herkende woorden, hun leestekens en deze taalmetadata.
Een ondertitelingsapplicatie kan audio in volgorde aanleveren, de transcriptie verzamelen en voltooide tekst gebruiken voor weergave of verdere verwerking. Een spraakapplicatie kan herkende spraak doorgeven aan de stap voor taalbegrip. Voor gespreksanalyse kunnen de oorspronkelijke opname en transcriptie samen worden bewaard, zodat namen, getallen en onbekende termen controleerbaar blijven. Het ASR-model levert de transcriptie; samenvatten, acties en spraakgeneratie zijn afzonderlijke stappen van de applicatie.
NVIDIA traint het model op een mix van openbare en eigen spraakdata met menselijke en synthetische labels, genormaliseerd naar tekst met leestekens en correct hoofdlettergebruik. De aanpassingshandleiding benadrukt het afstemmen van taallabels en tekststijl, gevolgd door beoordeling op apart gehouden audio met de streaminginstelling die voor gebruik is bedoeld. Ze beschrijft taal-, accent- en domeinaanpassing zonder die aangepaste resultaten als eigenschappen van het oorspronkelijke checkpoint voor te stellen.
De modelkaart koppelt de praktische opnamelengte aan het beschikbare geheugen in plaats van één universele maximale duur te publiceren. Houd de meertalige editie gescheiden van het uitsluitend Engelstalige model en bewaar de gekozen taal- en streamingconfiguratie bij het transcriptieresultaat. De uitvoer is de herkende tekst, met optionele taalmetadata van de producent, geen algemeen gespreksantwoord.
POST /v1/audio/transcriptionsaudiotext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b | Standaard— |
Veldinput_audio | Typeobject | VereisteVereist | Waarden en limieten | Standaard— |
Veldlanguage | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Minimum: 0 Maximum: 1 | Standaard— |
Veldresponse_format | Typestring | VereisteOptioneel | Waarden en limieten json, verbose_json | Standaardjson |
Veldtimestamp_granularities | Typearray | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, input_audio |
Parametermaterial_types | Contractaudio |
Parametermaterial_conditions | ContractLees een werkelijk WAV-bestand en codeer de echte bytes ervan voor de gedeclareerde JSON-input_audio; voor deze exacte declaratie die uitsluitend JSON gebruikt, wordt geen multipart-route aangeboden. |
Levenscyclus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · daadwerkelijk teruggegeven task_id of record in de mediabibliotheek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
De getoonde tarieven ramen de kosten vóór de generatie. De definitieve kosten worden berekend op basis van de kosten die voor de oorspronkelijke generatie zijn geregistreerd. De gemeten duur van het gegenereerde resultaat en de geraamde hoeveelheden vormen niet de definitieve factureerbare hoeveelheid.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Verwachte hoeveelheid | Rekeneenheid | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Verwachte hoeveelheid— | Rekeneenheid— | Kosten Invoer · Invoertokens · Schatting uitsluitend ter vergelijking — / 1K tokens Uitvoer · Uitvoertokens · Schatting uitsluitend ter vergelijking — / 1K tokens Invoer · Cache lezen · Schatting uitsluitend ter vergelijking — / 1K tokens Invoer · Cache schrijven · Schatting uitsluitend ter vergelijking — / 1K tokens Invoer · Cache schrijven, 1 uur · Schatting uitsluitend ter vergelijking — / 1K tokens |
| Configuratieseconde audio-invoer | Tariefstaffel— | Verwachte hoeveelheid— | Rekeneenheidper seconde audio-invoer | Kosten Invoer · seconde audio-invoer · Schatting uitsluitend ter vergelijking $0.00000666 per seconde audio-invoer |
| ConfiguratieGeschatte generatiekosten | Tariefstaffel— | Verwachte hoeveelheidschatting voor één generatie | Rekeneenheid— | Kosten Uitvoer · Geschatte generatiekosten · Schatting uitsluitend ter vergelijking $0.00000666 schatting vóór generatie Deze raming is geen extra kost of vast tarief voor de voltooide generatie. |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\nGET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar de volledige respons en headers, iedere daadwerkelijke uitvoer, de oorspronkelijk teruggegeven identificatoren en alle verbruiksvelden. Herstel de oorspronkelijke bewerking zonder de aanmaakaanvraag opnieuw in te dienen.
Bewaar de teruggegeven X-Client-Request-ID voor de reconciliatie. Lees uitsluitend daadwerkelijk teruggegeven task_id/asset_id-waarden of de eigen mediabibliotheek uit; bouw nooit een taak-URL op basis van de bewerkings-ID en dien de aanmaakaanvraag nooit opnieuw in.
| Veld | Type |
|---|---|
Veldtext | Type |
Veldusage | Type |
Veldsegments[] | Type |
Veldwords[] | Type |
Veldspeaker fields | Type |
Veldtimestamps | Type |
Ailoot Ultra nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b
Gebruik de hierboven getoonde methodepaden.