NVIDIA: Parakeet TDT 0.6B v3

NVIDIIN Parakeet TDT 0.6B v3 je model s 600M parametri za pretvorbo govora v besedilo v 25 evropskih jezikih, s samodejnim zaznavanjem jezika. Ustvarja prepise z ločili in podpira časovne oznake besed in segmentov, načini za dolg zvok pa so vezani na proizvajalčevo konfiguracijo pozornosti.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions nvidia/parakeet-tdt-0.6b-v3

O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

Parakeet TDT 0.6B v3 je NVIDIIN večjezični model za prepoznavanje govora s 600 milijoni parametrov. Model v2, namenjen samo angleščini, razširi na 25 evropskih jezikov in samodejno zazna jezik zvoka brez ločenega jezikovnega poziva. Rezultat je prepis govora z ločili in velikimi začetnicami.

Podprti jeziki so bolgarščina, hrvaščina, češčina, danščina, nizozemščina, angleščina, estonščina, finščina, francoščina, nemščina, grščina, madžarščina, italijanščina, latvijščina, litovščina, malteščina, poljščina, portugalščina, romunščina, slovaščina, slovenščina, španščina, švedščina, ruščina in ukrajinščina. Ta seznam pripada različici v3; druge vrste dekodirnikov Parakeet in jezikovne različice so ločeni modeli.

Arhitektura združuje kodirnik FastConformer z dekodirnikom transduktorja žetonov in trajanja. Kodirnik akustični signal pretvori v predstavitve; dekodirnik napoveduje besedilne žetone skupaj s trajanji, potrebnimi za napredovanje skozi zvočne okvire. To vedenje TDT ga razlikuje od družinskih dekodirnikov CTC in običajnih RNN-T.

Pripravite enokanalni zvok z vzorčno frekvenco 16 kHz. Proizvajalčevi neposredni vhodni obliki sta WAV in FLAC, njegovi primeri implementacije pa uporabljajo procesor za pripravo valovne oblike za prepoznavanje. Identifikator posnetka in izvorni zvok ohranite ob vrnjenem besedilu, da je mogoče prepis preveriti ali časovno uskladiti z virom.

Časovno označevanje prepoznanemu govoru doda časovne informacije. Primer NVIDIA NeMo ob omogočenem ustvarjanju časovnih oznak vrne časovne podatke znakov, besed in segmentov. Aplikacija za podnapise ali arhiv lahko z mejami segmentov poveže odlomek s posnetkom, s časovnimi podatki besed pa poišče določeno frazo. Prepis in njegova časovna polja so različni deli rezultata, ki morajo ostati povezani.

Pri dolgih posnetkih je pomembna konfiguracija pozornosti. Proizvajalec opisuje do 24 minut s polno pozornostjo na A100 z 80 GB in do tri ure z lokalno pozornostjo. Njegov primer za dolge posnetke preklopi kodirnik na lokalno pozornost z omejenim levim in desnim kontekstom. Ta trajanja opisujejo konkretne proizvajalčeve konfiguracije, ne ene brezpogojne omejitve za vsako namestitev.

Proizvajalec objavlja tudi potek izvajanja po kosih za pretočno uporabo. Njegov primer določa dolžino kosa ter levi in desni zvočni kontekst okoli vsakega kosa. To je drugačen postopek obdelave kot izvorni pretočni model Nemotron, ki uporablja predpomnjena stanja. Pri zbiranju prepisa posnetka po odsekih naj aplikacija ohrani izbrani postopek in prvotno časovno referenco.

Učna mešanica vključuje 10.000 ur govora s človeškimi prepisi in 660.000 ur podatkov Granary s samodejno ustvarjenimi oznakami, z ohranjenimi ločili in velikimi začetnicami. Proizvajalec prek dokumentiranega poteka modela podpira tudi dodatno učenje te izdane kontrolne točke na drugi zbirki govornih podatkov; prilagojena kontrolna točka ostaja ločena od osnovnega modela v3. Besedilni izhod modela je zato primeren kot stopnja pretvorbe govora v besedilo v širšem poteku dela. Arhiv sestankov lahko prepis priloži posnetku; iskalna aplikacija lahko indeksira prepoznani odlomek; orodje za podnapise lahko uporabi vrnjene časovne metapodatke.

Kakovost prepoznavanja se razlikuje glede na jezik, naglas, hrup in vrsto govora. Proizvajalec posebej opozarja, da lahko besedišče, ki ni bilo zastopano pri učenju, ostane neprepoznano ter da posamezne besede ali nedokončane povedi zagotavljajo šibkejši kontekst. Ohranite izvorni zvok za pregled imen in strokovnih izrazov, namesto da negotovo prepoznavo spremenite v preverjeno dejstvo.

Uporaben izdelek je prepis z zahtevanimi časovnimi informacijami. Povzetki, prevodi, analiza govorcev in dejanja so ločene naloge aplikacije, ne lastnosti, ki bi jih določalo ime za pretvorbo govora v besedilo. Identiteto v3 in proizvajalčev način pozornosti ohranite ločena od drugih kontrolnih točk ter pretvorjenih ali kvantiziranih izdelkov.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions nvidia/parakeet-tdt-0.6b-v3

nvidia/parakeet-tdt-0.6b-v3

NVIDIA /nvidia/parakeet-tdt-0.6b-v3

Začetek

Dovoljeni vhodi: Zvok
Rezultati: Besedilo

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions

Vhod: audio
Izhod: text

Polje	Vrsta	Zahteva	Vrednosti in omejitve	Privzeto
Polje`model`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve nvidia/parakeet-tdt-0.6b-v3	Privzeto—
Polje`input_audio`	Vrsta`object`	ZahtevaObvezno	Vrednosti in omejitve	Privzeto—
Polje`language`	Vrsta`string`	ZahtevaIzbirno	Vrednosti in omejitve	Privzeto—
Polje`temperature`	Vrsta`number`	ZahtevaIzbirno	Vrednosti in omejitve Najmanj: 0 Največ: 1	Privzeto—
Polje`response_format`	Vrsta`string`	ZahtevaIzbirno	Vrednosti in omejitve json, verbose_json	Privzetojson
Polje`timestamp_granularities`	Vrsta`array`	ZahtevaIzbirno	Vrednosti in omejitve	Privzeto—
Polje`provider`	Vrsta`object`	ZahtevaIzbirno	Vrednosti in omejitve	Privzeto—

Parametri in življenjski cikel metode

Parameter	Specifikacija
Parameter`content_type`	Specifikacijaapplication/json
Parameter`required`	Specifikacijamodel, input_audio
Parameter`material_types`	Specifikacijaaudio
Parameter`material_conditions`	SpecifikacijaPreberite dejansko datoteko WAV in kodirajte njene resnične bajte za deklarirani JSON input_audio; za to natančno deklaracijo samo z JSON ni navedena pot multipart.

Življenjski cikel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Cenik

Kako se izračuna končni strošek

Prikazane cene so namenjene oceni stroškov pred generiranjem. Končni znesek se izračuna na podlagi stroška, zabeleženega za izvirno generiranje. Izmerjeno trajanje izhoda in napovedane količine niso končna obračunska količina.

Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.

Hitri način: Ni navedeno Ko je izbran hitri način
Način flex: Ni navedeno Ko je izbran način flex
Najvišja raven razmišljanja: Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)

Ocenjene cene za primerjavo

Cene po nastavitvah

Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.

Nastavitev	Cenovna lestvica	Predvidena količina	Obračunska enota	Strošek
NastavitevOsnovne cene žetonov	Cenovna lestvicaOsnovna cena	Predvidena količina—	Obračunska enota—	Strošek Vhod · Vhodni žetoni · Ocena samo za primerjavo — / 1K žetonov Izhod · Izhodni žetoni · Ocena samo za primerjavo — / 1K žetonov Vhod · Branje predpomnilnika · Ocena samo za primerjavo — / 1K žetonov Vhod · Zapis v predpomnilnik · Ocena samo za primerjavo — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura · Ocena samo za primerjavo — / 1K žetonov
Nastavitevsekunda vhodnega zvoka	Cenovna lestvica—	Predvidena količina—	Obračunska enotana sekundo vhodnega zvoka	Strošek Vhod · sekunda vhodnega zvoka · Ocena samo za primerjavo $0.00005 na sekundo vhodnega zvoka
NastavitevOcenjeni strošek ustvarjanja	Cenovna lestvica—	Predvidena količinaocena za eno generiranje	Obračunska enota—	Strošek Izhod · Ocenjeni stroški ustvarjanja · Ocena samo za primerjavo $0.00005 ocena pred ustvarjanjem Ta ocena ni dodatno plačilo ali fiksna cena za dokončano generiranje.

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot Ultra · Prepisovanje

curl · natančno izvorno telo zahteve in celoten rezultat

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.

Prejmi in shrani rezultate

Ailoot Ultra · Prepisovanje

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Branje druge vsebine

Preberi obstoječa gradiva, ki vam pripadajo

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.

Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

Shranite celoten odgovor in glave, vse dejanske izhode, izvirne vrnjene identifikatorje in vsa polja s podatki o porabi. Pridobite podatke izvirne operacije brez ponovnega pošiljanja zahteve za ustvarjanje.

Če je treba preveriti izvirni odgovor

Shranite vrnjeni X-Client-Request-ID za uskladitev evidenc. Berite samo dejansko vrnjene vrednosti task_id/asset_id ali svojo medijsko knjižnico; iz ID operacije nikoli ne sestavite URL opravila in zahteve za ustvarjanje nikoli ne pošljite znova.

Polja odgovora

Polje	Vrsta
Polje`text`	Vrsta
Polje`usage`	Vrsta
Polje`segments[]`	Vrsta
Polje`words[]`	Vrsta
Polje`speaker fields`	Vrsta
Polje`timestamps`	Vrsta

Druga imena

Druga imena modelov

Ailoot Ultra nvidia/parakeet-tdt-0.6b-v3

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

nvidia/parakeet-tdt-0.6b-v3

FAQ · NVIDIA: Parakeet TDT 0.6B v3

Kateri vhodi in rezultati so na voljo?: POST /v1/audio/transcriptions · nvidia/parakeet-tdt-0.6b-v3: audio → text
Katera polja uporablja zahteva?: POST /v1/audio/transcriptions · nvidia/parakeet-tdt-0.6b-v3: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
Katere omejitve veljajo?: POST /v1/audio/transcriptions · nvidia/parakeet-tdt-0.6b-v3: temperature.minimum: 0; temperature.maximum: 1

NVIDIA: Parakeet TDT 0.6B v3