Parakeet TDT 0.6B v3 is NVIDIA’s meertalige spraakherkenningsmodel met 600 miljoen parameters. Het breidt het uitsluitend Engelstalige v2-model uit naar 25 Europese talen en detecteert automatisch de taal van de audio zonder afzonderlijke taalprompt. Het resultaat is een transcriptie van de spraak, met leestekens en hoofdletters.
De ondersteunde talen zijn Bulgaars, Kroatisch, Tsjechisch, Deens, Nederlands, Engels, Ests, Fins, Frans, Duits, Grieks, Hongaars, Italiaans, Lets, Litouws, Maltees, Pools, Portugees, Roemeens, Slowaaks, Sloveens, Spaans, Zweeds, Russisch en Oekraïens. Deze lijst hoort bij de v3-editie; andere Parakeet-decodertypes en taalvarianten zijn afzonderlijke modellen.
De architectuur combineert een FastConformer-encoder met een token-and-duration-transducerdecoder. De encoder zet het akoestische signaal om in representaties; de decoder voorspelt teksttokens samen met de tijdsduren die nodig zijn om door de audioframes te gaan. Dit TDT-gedrag onderscheidt het model van de CTC-decoders en gewone RNN-T-decoders uit de familie.
Bereid eenkanaalsaudio voor met een samplefrequentie van 16 kHz. De directe invoerformaten van de maker zijn WAV en FLAC, en de implementatievoorbeelden gebruiken een processor om de golfvorm voor herkenning voor te bereiden. Bewaar de identificatie van de opname en de oorspronkelijke audio bij de teruggegeven tekst, zodat u de transcriptie kunt controleren of met de bron kunt uitlijnen.
Tijdstempels voegen tijdsinformatie aan de herkende spraak toe. Het NeMo-voorbeeld van NVIDIA geeft tijdsaanduidingen per teken, woord en segment terug wanneer het genereren van tijdstempels is ingeschakeld. Een ondertitelings- of archiefapplicatie kan segmentgrenzen gebruiken om een tekstfragment aan de opname te koppelen, of woordtijdstempels om een bepaalde formulering terug te vinden. De transcriptie en haar tijdsvelden zijn verschillende onderdelen van het resultaat en moeten verbonden blijven.
Voor lange opnames is de attention-configuratie van belang. De maker beschrijft tot 24 minuten met full attention op een A100 van 80 GB en tot drie uur met local attention. Het voorbeeld voor lange opnames schakelt de encoder over op local attention met afgebakende linker- en rechtercontext. Die tijdsduren beschrijven specifieke producentconfiguraties, geen onvoorwaardelijke limiet voor elke deployment.
De fabrikant publiceert ook een workflow voor chunked inference bij streaminggebruik. Het voorbeeld bepaalt de bloklengte en de linker- en rechteraudiocontext rond elk blok. Dit is een ander verwerkingsrecept dan het native Nemotron-streamingmodel dat rekening houdt met de cache. Een applicatie moet het gekozen recept en de oorspronkelijke tijdsreferentie bewaren wanneer zij de transcriptie van een opname over verschillende delen verzamelt.
De trainingsmix omvat 10.000 uur door mensen getranscribeerde spraak en 660.000 uur Granary-data met pseudolabels, met behoud van leestekens en hoofdletters. De producent ondersteunt ook het fine-tunen van dit vrijgegeven checkpoint op een andere spraakdataset via de gedocumenteerde modelworkflow; het aangepaste checkpoint blijft afzonderlijk van het oorspronkelijke v3-model. De tekstuitvoer van het model is dus geschikt als spraak-naar-tekststap in een grotere workflow. Een vergaderarchief kan de transcriptie bij de opname voegen; een zoekapplicatie kan het herkende tekstfragment indexeren; een ondertitelingstool kan de teruggegeven tijdsmetadata gebruiken.
De herkenningskwaliteit varieert naargelang taal, accent, ruis en het soort spraak. De producent merkt specifiek op dat woordenschat die tijdens de training niet aan bod kwam, gemist kan worden en dat losse woorden of onvolledige zinnen minder context bieden. Bewaar de oorspronkelijke audio om namen en vaktermen te controleren, zodat onzekere herkenning geen geverifieerd feit wordt.
Het bruikbare resultaat is de transcriptie met de gevraagde tijdsinformatie. Samenvattingen, vertalingen, sprekeranalyse en acties zijn afzonderlijke applicatietaken, geen functies die uit de naam spraak-naar-tekst volgen. Houd de v3-identiteit en de attention-modus van de producent gescheiden van andere checkpoints en van geconverteerde of gekwantiseerde resultaten.
", "aboutText": "Parakeet TDT 0.6B v3 is NVIDIA’s meertalige spraakherkenningsmodel met 600 miljoen parameters. Het breidt het uitsluitend Engelstalige v2-model uit naar 25 Europese talen en detecteert automatisch de taal van de audio zonder afzonderlijke taalprompt. Het resultaat is een transcriptie van de spraak, met leestekens en hoofdletters.\n\nDe ondersteunde talen zijn Bulgaars, Kroatisch, Tsjechisch, Deens, Nederlands, Engels, Ests, Fins, Frans, Duits, Grieks, Hongaars, Italiaans, Lets, Litouws, Maltees, Pools, Portugees, Roemeens, Slowaaks, Sloveens, Spaans, Zweeds, Russisch en Oekraïens. Deze lijst hoort bij de v3-editie; andere Parakeet-decodertypes en taalvarianten zijn afzonderlijke modellen.\n\nDe architectuur combineert een FastConformer-encoder met een token-and-duration-transducerdecoder. De encoder zet het akoestische signaal om in representaties; de decoder voorspelt teksttokens samen met de tijdsduren die nodig zijn om door de audioframes te gaan. Dit TDT-gedrag onderscheidt het model van de CTC-decoders en gewone RNN-T-decoders uit de familie.\n\nBereid eenkanaalsaudio voor met een samplefrequentie van 16 kHz. De directe invoerformaten van de maker zijn WAV en FLAC, en de implementatievoorbeelden gebruiken een processor om de golfvorm voor herkenning voor te bereiden. Bewaar de identificatie van de opname en de oorspronkelijke audio bij de teruggegeven tekst, zodat u de transcriptie kunt controleren of met de bron kunt uitlijnen.\n\nTijdstempels voegen tijdsinformatie aan de herkende spraak toe. Het NeMo-voorbeeld van NVIDIA geeft tijdsaanduidingen per teken, woord en segment terug wanneer het genereren van tijdstempels is ingeschakeld. Een ondertitelings- of archiefapplicatie kan segmentgrenzen gebruiken om een tekstfragment aan de opname te koppelen, of woordtijdstempels om een bepaalde formulering terug te vinden. De transcriptie en haar tijdsvelden zijn verschillende onderdelen van het resultaat en moeten verbonden blijven.\n\nVoor lange opnames is de attention-configuratie van belang. De maker beschrijft tot 24 minuten met full attention op een A100 van 80 GB en tot drie uur met local attention. Het voorbeeld voor lange opnames schakelt de encoder over op local attention met afgebakende linker- en rechtercontext. Die tijdsduren beschrijven specifieke producentconfiguraties, geen onvoorwaardelijke limiet voor elke deployment.\n\nDe fabrikant publiceert ook een workflow voor chunked inference bij streaminggebruik. Het voorbeeld bepaalt de bloklengte en de linker- en rechteraudiocontext rond elk blok. Dit is een ander verwerkingsrecept dan het native Nemotron-streamingmodel dat rekening houdt met de cache. Een applicatie moet het gekozen recept en de oorspronkelijke tijdsreferentie bewaren wanneer zij de transcriptie van een opname over verschillende delen verzamelt.\n\nDe trainingsmix omvat 10.000 uur door mensen getranscribeerde spraak en 660.000 uur Granary-data met pseudolabels, met behoud van leestekens en hoofdletters. De producent ondersteunt ook het fine-tunen van dit vrijgegeven checkpoint op een andere spraakdataset via de gedocumenteerde modelworkflow; het aangepaste checkpoint blijft afzonderlijk van het oorspronkelijke v3-model. De tekstuitvoer van het model is dus geschikt als spraak-naar-tekststap in een grotere workflow. Een vergaderarchief kan de transcriptie bij de opname voegen; een zoekapplicatie kan het herkende tekstfragment indexeren; een ondertitelingstool kan de teruggegeven tijdsmetadata gebruiken.\n\nDe herkenningskwaliteit varieert naargelang taal, accent, ruis en het soort spraak. De producent merkt specifiek op dat woordenschat die tijdens de training niet aan bod kwam, gemist kan worden en dat losse woorden of onvolledige zinnen minder context bieden. Bewaar de oorspronkelijke audio om namen en vaktermen te controleren, zodat onzekere herkenning geen geverifieerd feit wordt.\n\nHet bruikbare resultaat is de transcriptie met de gevraagde tijdsinformatie. Samenvattingen, vertalingen, sprekeranalyse en acties zijn afzonderlijke applicatietaken, geen functies die uit de naam spraak-naar-tekst volgen. Houd de v3-identiteit en de attention-modus van de producent gescheiden van andere checkpoints en van geconverteerde of gekwantiseerde resultaten.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f983b1d2b2f50e07df90e331dd878619cd019e6a95a1e4d62c19faa8ee14e2b2", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "nvidia/parakeet-tdt-0.6b-v3NVIDIA’s Parakeet TDT 0.6B v3 is een spraak-naar-tekstmodel van 600M voor 25 Europese talen, met automatische taaldetectie. Het levert transcripties met leestekens en ondersteunt tijdstempels per woord en segment, met modi voor lange audio die afhangen van de attention-configuratie van de producent.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Parakeet TDT 0.6B v3 is NVIDIA’s meertalige spraakherkenningsmodel met 600 miljoen parameters. Het breidt het uitsluitend Engelstalige v2-model uit naar 25 Europese talen en detecteert automatisch de taal van de audio zonder afzonderlijke taalprompt. Het resultaat is een transcriptie van de spraak, met leestekens en hoofdletters.
De ondersteunde talen zijn Bulgaars, Kroatisch, Tsjechisch, Deens, Nederlands, Engels, Ests, Fins, Frans, Duits, Grieks, Hongaars, Italiaans, Lets, Litouws, Maltees, Pools, Portugees, Roemeens, Slowaaks, Sloveens, Spaans, Zweeds, Russisch en Oekraïens. Deze lijst hoort bij de v3-editie; andere Parakeet-decodertypes en taalvarianten zijn afzonderlijke modellen.
De architectuur combineert een FastConformer-encoder met een token-and-duration-transducerdecoder. De encoder zet het akoestische signaal om in representaties; de decoder voorspelt teksttokens samen met de tijdsduren die nodig zijn om door de audioframes te gaan. Dit TDT-gedrag onderscheidt het model van de CTC-decoders en gewone RNN-T-decoders uit de familie.
Bereid eenkanaalsaudio voor met een samplefrequentie van 16 kHz. De directe invoerformaten van de maker zijn WAV en FLAC, en de implementatievoorbeelden gebruiken een processor om de golfvorm voor herkenning voor te bereiden. Bewaar de identificatie van de opname en de oorspronkelijke audio bij de teruggegeven tekst, zodat u de transcriptie kunt controleren of met de bron kunt uitlijnen.
Tijdstempels voegen tijdsinformatie aan de herkende spraak toe. Het NeMo-voorbeeld van NVIDIA geeft tijdsaanduidingen per teken, woord en segment terug wanneer het genereren van tijdstempels is ingeschakeld. Een ondertitelings- of archiefapplicatie kan segmentgrenzen gebruiken om een tekstfragment aan de opname te koppelen, of woordtijdstempels om een bepaalde formulering terug te vinden. De transcriptie en haar tijdsvelden zijn verschillende onderdelen van het resultaat en moeten verbonden blijven.
Voor lange opnames is de attention-configuratie van belang. De maker beschrijft tot 24 minuten met full attention op een A100 van 80 GB en tot drie uur met local attention. Het voorbeeld voor lange opnames schakelt de encoder over op local attention met afgebakende linker- en rechtercontext. Die tijdsduren beschrijven specifieke producentconfiguraties, geen onvoorwaardelijke limiet voor elke deployment.
De fabrikant publiceert ook een workflow voor chunked inference bij streaminggebruik. Het voorbeeld bepaalt de bloklengte en de linker- en rechteraudiocontext rond elk blok. Dit is een ander verwerkingsrecept dan het native Nemotron-streamingmodel dat rekening houdt met de cache. Een applicatie moet het gekozen recept en de oorspronkelijke tijdsreferentie bewaren wanneer zij de transcriptie van een opname over verschillende delen verzamelt.
De trainingsmix omvat 10.000 uur door mensen getranscribeerde spraak en 660.000 uur Granary-data met pseudolabels, met behoud van leestekens en hoofdletters. De producent ondersteunt ook het fine-tunen van dit vrijgegeven checkpoint op een andere spraakdataset via de gedocumenteerde modelworkflow; het aangepaste checkpoint blijft afzonderlijk van het oorspronkelijke v3-model. De tekstuitvoer van het model is dus geschikt als spraak-naar-tekststap in een grotere workflow. Een vergaderarchief kan de transcriptie bij de opname voegen; een zoekapplicatie kan het herkende tekstfragment indexeren; een ondertitelingstool kan de teruggegeven tijdsmetadata gebruiken.
De herkenningskwaliteit varieert naargelang taal, accent, ruis en het soort spraak. De producent merkt specifiek op dat woordenschat die tijdens de training niet aan bod kwam, gemist kan worden en dat losse woorden of onvolledige zinnen minder context bieden. Bewaar de oorspronkelijke audio om namen en vaktermen te controleren, zodat onzekere herkenning geen geverifieerd feit wordt.
Het bruikbare resultaat is de transcriptie met de gevraagde tijdsinformatie. Samenvattingen, vertalingen, sprekeranalyse en acties zijn afzonderlijke applicatietaken, geen functies die uit de naam spraak-naar-tekst volgen. Houd de v3-identiteit en de attention-modus van de producent gescheiden van andere checkpoints en van geconverteerde of gekwantiseerde resultaten.
POST /v1/audio/transcriptionsaudiotext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten nvidia/parakeet-tdt-0.6b-v3 | 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 $0.00005 per seconde audio-invoer |
| ConfiguratieGeschatte generatiekosten | Tariefstaffel— | Verwachte hoeveelheidschatting voor één generatie | Rekeneenheid— | Kosten Uitvoer · Geschatte generatiekosten · Schatting uitsluitend ter vergelijking $0.00005 schatting vóór generatie Deze raming is geen extra kost of vast tarief voor de voltooide generatie. |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'nvidia/parakeet-tdt-0.6b-v3', 'input_audio': {'data': '${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/parakeet-tdt-0.6b-v3
Gebruik de hierboven getoonde methodepaden.