Source: https://ailoot.ai/models/pt-pt/nvidia-parakeet-tdt-0-6b-v3/ Canonical: https://ailoot.ai/models/pt-pt/nvidia-parakeet-tdt-0-6b-v3/ Language: pt-pt # NVIDIA: Parakeet TDT 0.6B v3 [Markdown](https://ailoot.ai/models/pt-pt/nvidia-parakeet-tdt-0-6b-v3/index.md) · [JSON](https://ailoot.ai/models/pt-pt/nvidia-parakeet-tdt-0-6b-v3/facts.json) ## [NVIDIA: Parakeet TDT 0.6B v3](https://ailoot.ai/models/pt-pt/nvidia-parakeet-tdt-0-6b-v3/) Parakeet TDT 0.6B v3 da NVIDIA é um modelo de conversão de voz em texto com 600 milhões de parâmetros para 25 idiomas europeus, com deteção automática do idioma. Produz transcrições com pontuação e suporta marcas temporais de palavras e segmentos, com modos de áudio longo associados à configuração de atenção do produtor. - [**Ailoot Ultra · Transcrição** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/pt-pt/nvidia-parakeet-tdt-0-6b-v3/#method-0) Sobre o modelo Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo. Parakeet TDT 0.6B v3 é o modelo multilingue de reconhecimento de fala da NVIDIA com 600 milhões de parâmetros. Alarga o modelo v2, exclusivamente em inglês, a 25 idiomas europeus e deteta automaticamente o idioma do áudio sem um pedido de idioma separado. O resultado é uma transcrição da fala, com pontuação e utilização de maiúsculas e minúsculas. Os idiomas suportados são búlgaro, croata, checo, dinamarquês, neerlandês, inglês, estónio, finlandês, francês, alemão, grego, húngaro, italiano, letão, lituano, maltês, polaco, português, romeno, eslovaco, esloveno, espanhol, sueco, russo e ucraniano. Esta lista pertence à edição v3; outros tipos de descodificador e variantes linguísticas do Parakeet são modelos distintos. A arquitetura combina um codificador FastConformer com um descodificador transdutor de tokens e durações. O codificador transforma o sinal acústico em representações; o descodificador prevê tokens de texto juntamente com as durações necessárias para avançar pelos quadros de áudio. Este comportamento TDT distingue-o dos descodificadores CTC e RNN-T comuns da família. Prepare áudio de um único canal com uma frequência de amostragem de 16 kHz. Os formatos de entrada diretos do fabricante são WAV e FLAC, e os exemplos de implementação utilizam um processador para preparar a forma de onda para o reconhecimento. Mantenha o identificador da gravação e o áudio original junto do texto devolvido, para permitir a conferência ou o alinhamento da transcrição com a fonte. A geração de marcas temporais acrescenta informação de tempo à fala reconhecida. O exemplo NeMo da NVIDIA devolve tempos de caracteres, palavras e segmentos quando a geração de marcas temporais está ativada. Uma aplicação de legendagem ou arquivo pode utilizar os limites dos segmentos para ligar uma passagem à gravação, ou os tempos das palavras para localizar uma expressão específica. A transcrição e os respetivos campos temporais são partes distintas do resultado e devem permanecer associados. Nas gravações longas, a configuração de atenção é relevante. O fabricante descreve até 24 minutos com atenção completa numa A100 de 80 GB, e até três horas com atenção local. O seu exemplo para áudio longo muda o codificador para atenção local com contexto limitado à esquerda e à direita. Estas durações descrevem configurações específicas do produtor, em vez de um limite incondicional para todas as implementações. O fabricante também publica um fluxo de inferência por blocos para utilização em streaming. O exemplo define a duração dos blocos e o contexto de áudio à esquerda e à direita de cada bloco. Esta é uma receita de processamento distinta da do modelo Nemotron nativo de streaming com gestão de cache. Uma aplicação deve conservar a receita escolhida e a referência temporal original ao recolher, por secções, a transcrição de uma gravação. A combinação de dados de treino inclui 10 000 horas de fala transcrita por pessoas e 660 000 horas de dados Granary com rótulos gerados automaticamente, preservando a pontuação e a utilização de maiúsculas e minúsculas. O produtor também suporta a afinação deste checkpoint publicado com outro conjunto de dados de fala, através do fluxo documentado para o modelo; o checkpoint afinado permanece distinto do modelo v3 de base. A saída de texto do modelo é, assim, adequada à etapa de conversão de voz em texto de um fluxo de trabalho mais amplo. Um arquivo de reuniões pode associar a transcrição à gravação; uma aplicação de pesquisa pode indexar a passagem reconhecida; uma ferramenta de legendagem pode utilizar os metadados temporais devolvidos. A qualidade do reconhecimento varia consoante o idioma, o sotaque, o ruído e o tipo de fala. O produtor assinala especificamente que vocabulário não representado durante o treino pode não ser reconhecido e que palavras isoladas ou frases incompletas oferecem um contexto mais fraco. Conserve o áudio original para rever nomes e termos especializados, em vez de transformar um reconhecimento incerto num facto verificado. O resultado útil é a transcrição com a informação temporal pedida. Resumos, traduções, análise de locutores e ações são tarefas separadas da aplicação, e não funcionalidades implícitas num nome de conversão de voz em texto. Mantenha a identidade v3 e o modo de atenção do produtor distintos de outros checkpoints e de ficheiros de modelo convertidos ou quantizados. **Ailoot Ultra · Transcrição** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3` [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/pt-pt/#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` ### Introdução Parakeet TDT 0.6B v3 da NVIDIA é um modelo de conversão de voz em texto com 600 milhões de parâmetros para 25 idiomas europeus, com deteção automática do idioma. Produz transcrições com pontuação e suporta marcas temporais de palavras e segmentos, com modos de áudio longo associados à configuração de atenção do produtor. Entradas aceites Áudio Resultados Texto ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Transcrição** `POST /v1/audio/transcriptions` Entrada `audio` Saída `text` | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites nvidia/parakeet-tdt-0.6b-v3 | Predefinição— | | Campo`input_audio` | Tipo`object` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`language` | Tipo`string` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores e limites Mínimo: 0 Máximo: 1 | Predefinição— | | Campo`response_format` | Tipo`string` | RequisitoOpcional | Valores e limites json, verbose\_json | Predefiniçãojson | | Campo`timestamp_granularities` | Tipo`array` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores e limites | Predefinição— | Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, input\_audio | | Parâmetro`material_types` | Contratoaudio | | Parâmetro`material_conditions` | ContratoLeia um ficheiro WAV real e codifique os respetivos bytes reais para a entrada JSON input\_audio declarada; não é anunciada qualquer rota multipart para esta declaração exata apenas de JSON. | Ciclo de vida: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · task\_id efetivamente devolvido ou registo na biblioteca de multimédia `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tarifários ##### Cálculo do custo final As tarifas apresentadas permitem estimar o custo antes da geração. O montante final cobrado é calculado a partir do custo registado para a geração original. A duração medida do resultado e as quantidades previstas não correspondem à quantidade final faturável. As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Não especificado Quando o modo rápido está selecionado Modo flex Não especificado Quando o modo flex está selecionado Esforço máximo de raciocínio Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas estimadas para comparação #### Preços por configuração Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas. | Configuração | Tabela de tarifas | Quantidade prevista | Unidade de faturação | Custo | | --- | --- | --- | --- | --- | | ConfiguraçãoTarifas base por token | Tabela de tarifasTarifa base | Quantidade prevista— | Unidade de faturação— | Custo Entrada · Tokens de entrada · Estimativa apenas para comparação **—** / 1K tokens Saída · Tokens de saída · Estimativa apenas para comparação **—** / 1K tokens Entrada · Leitura da cache · Estimativa apenas para comparação **—** / 1K tokens Entrada · Escrita na cache · Estimativa apenas para comparação **—** / 1K tokens Entrada · Escrita na cache, 1 hora · Estimativa apenas para comparação **—** / 1K tokens | | Configuraçãosegundo de áudio de entrada | Tabela de tarifas— | Quantidade prevista— | Unidade de faturaçãopor segundo de áudio de entrada | Custo Entrada · segundo de áudio de entrada · Estimativa apenas para comparação **$0.00005** por segundo de áudio de entrada | | ConfiguraçãoCusto estimado de geração | Tabela de tarifas— | Quantidade previstaestimativa para uma geração | Unidade de faturação— | Custo Saída · Custo estimado de geração · Estimativa apenas para comparação **$0.00005** estimativa antes da geração Esta estimativa não é um encargo adicional nem uma tarifa fixa para a geração concluída. | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Transcrição curl · corpo nativo exato e resultado completo ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Receber e guardar os resultados #### Ailoot Ultra · Transcrição - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Outras leituras de conteúdo Ler os recursos existentes de que é titular ```bash set -eu : "${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. ``` ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Conserve a resposta completa e os cabeçalhos, todos os resultados efetivamente produzidos, os identificadores originais devolvidos e todos os campos de utilização. Recupere a operação original sem voltar a enviar o pedido de criação. ##### Se for necessário verificar a resposta original Guarde o X-Client-Request-ID devolvido para reconciliação. Consulte apenas os valores task\_id/asset\_id efetivamente devolvidos ou a sua biblioteca de multimédia; nunca construa um URL de tarefa a partir do ID da operação e nunca volte a enviar o pedido de criação. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`text` | Tipo | | Campo`usage` | Tipo | | Campo`segments[]` | Tipo | | Campo`words[]` | Tipo | | Campo`speaker fields` | Tipo | | Campo`timestamps` | Tipo | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/pt-pt/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&fmt=transcriptions) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/pt-pt/#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 Que entradas e resultados estão disponíveis? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `audio` → `text` Que campos utiliza o pedido? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Que limites se aplicam? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.