Source: https://ailoot.ai/models/sv/nvidia-parakeet-tdt-0-6b-v3/ Canonical: https://ailoot.ai/models/sv/nvidia-parakeet-tdt-0-6b-v3/ Language: sv # NVIDIA: Parakeet TDT 0.6B v3 [Markdown](https://ailoot.ai/models/sv/nvidia-parakeet-tdt-0-6b-v3/index.md) · [JSON](https://ailoot.ai/models/sv/nvidia-parakeet-tdt-0-6b-v3/facts.json) ## [NVIDIA: Parakeet TDT 0.6B v3](https://ailoot.ai/models/sv/nvidia-parakeet-tdt-0-6b-v3/) NVIDIAs Parakeet TDT 0.6B v3 är en tal-till-text-modell med 600 miljoner parametrar för 25 europeiska språk, med automatisk språkidentifiering. Den ger transkriptioner med skiljetecken och stöder tidsstämplar för ord och segment, med lägen för långt ljud som är knutna till tillverkarens konfiguration av uppmärksamhet. - [**Ailoot Ultra · Transkribering** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/sv/nvidia-parakeet-tdt-0-6b-v3/#method-0) Om modellen Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden. Parakeet TDT 0.6B v3 är NVIDIAs flerspråkiga taligenkänningsmodell med 600 miljoner parametrar. Den utökar v2-modellen, som enbart stöder engelska, till 25 europeiska språk och identifierar automatiskt språket i ljudet utan en separat språkprompt. Resultatet är en transkription av talet med skiljetecken samt stor och liten bokstav. De språk som stöds är bulgariska, kroatiska, tjeckiska, danska, nederländska, engelska, estniska, finska, franska, tyska, grekiska, ungerska, italienska, lettiska, litauiska, maltesiska, polska, portugisiska, rumänska, slovakiska, slovenska, spanska, svenska, ryska och ukrainska. Listan hör till v3-utgåvan; andra typer av Parakeet-avkodare och språkvarianter är separata modeller. Arkitekturen kombinerar en FastConformer-kodare med en transducer-avkodare för token och varaktighet. Kodaren omvandlar den akustiska signalen till representationer; avkodaren förutsäger texttoken tillsammans med de varaktigheter som behövs för att gå vidare genom ljudramarna. Detta TDT-beteende skiljer den från familjens CTC-avkodare och vanliga RNN-T-avkodare. Förbered enkanaligt ljud med samplingsfrekvensen 16 kHz. Tillverkarens direkta indataformat är WAV och FLAC, och implementationsexemplen använder en processor för att förbereda vågformen för igenkänning. Behåll inspelningens identifierare och originalljudet tillsammans med den returnerade texten, så att transkriptionen kan kontrolleras eller tidsanpassas till källan. Tidsstämpling lägger till tidsinformation till det igenkända talet. NVIDIAs NeMo-exempel returnerar tider för tecken, ord och segment när generering av tidsstämplar är aktiverad. En undertextnings- eller arkivapplikation kan använda segmentgränser för att koppla ett stycke till inspelningen, eller ordtider för att hitta en viss fras. Transkriptionen och dess tidsfält är olika delar av resultatet och bör förbli kopplade till varandra. För långa inspelningar spelar konfigurationen av uppmärksamhet roll. Tillverkaren beskriver upp till 24 minuter med full uppmärksamhet på en A100 med 80 GB, och upp till tre timmar med lokal uppmärksamhet. Exemplet för långa inspelningar ställer om kodaren till lokal uppmärksamhet med avgränsad vänster- och högerkontext. Dessa längder beskriver specifika konfigurationer från tillverkaren, snarare än en ovillkorlig gräns för varje driftsättning. Tillverkaren publicerar även ett arbetsflöde med blockvis inferens för strömningsanvändning. Exemplet definierar blocklängd samt vänster och höger ljudkontext runt varje block. Detta är ett annat bearbetningsförfarande än den inbyggda cachemedvetna Nemotron-strömningsmodellen. En applikation bör bevara det valda förfarandet och den ursprungliga tidsreferensen när den samlar en inspelnings transkription över flera avsnitt. Träningsblandningen omfattar 10 000 timmar tal som transkriberats av människor och 660 000 timmar pseudomärkta Granary-data, med skiljetecken samt stor och liten bokstav bevarade. Tillverkaren stöder även finjustering av denna publicerade checkpoint på en annan taldatamängd genom sitt dokumenterade modellarbetsflöde; den finjusterade checkpointen förblir åtskild från v3-basmodellen. Modellens textutdata lämpar sig därför som tal-till-text-steget i ett större arbetsflöde. Ett mötesarkiv kan koppla transkriptionen till inspelningen; en sökapplikation kan indexera det igenkända stycket; ett undertextningsverktyg kan använda returnerade tidsmetadata. Igenkänningens kvalitet varierar med språk, accent, brus och typ av tal. Tillverkaren påpekar särskilt att vokabulär som inte förekom under träningen kan missas och att enstaka ord eller ofullständiga meningar ger svagare kontext. Bevara originalljudet för att granska namn och specialtermer i stället för att göra en osäker igenkänning till ett verifierat faktum. Den användbara leveransen är transkriptionen med den begärda tidsinformationen. Sammanfattningar, översättningar, talaranalys och åtgärder är separata uppgifter för applikationen, inte egenskaper som följer av ett tal-till-text-namn. Håll v3-identiteten och tillverkarens uppmärksamhetsläge åtskilda från andra checkpointer och från konverterade eller kvantiserade artefakter. **Ailoot Ultra · Transkribering** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3` [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/sv/#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 är en tal-till-text-modell med 600 miljoner parametrar för 25 europeiska språk, med automatisk språkidentifiering. Den ger transkriptioner med skiljetecken och stöder tidsstämplar för ord och segment, med lägen för långt ljud som är knutna till tillverkarens konfiguration av uppmärksamhet. Godkända indata Ljud Resultat Text ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · Transkribering** `POST /v1/audio/transcriptions` Indatatyper `audio` Utdatatyper `text` | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser nvidia/parakeet-tdt-0.6b-v3 | Standard— | | Fält`input_audio` | Typ`object` | KravObligatoriskt | Värden & gränser | Standard— | | Fält`language` | Typ`string` | KravValfritt | Värden & gränser | Standard— | | Fält`temperature` | Typ`number` | KravValfritt | Värden & gränser Minimum: 0 Maximum: 1 | Standard— | | Fält`response_format` | Typ`string` | KravValfritt | Värden & gränser json, verbose\_json | Standardjson | | Fält`timestamp_granularities` | Typ`array` | KravValfritt | Värden & gränser | Standard— | | Fält`provider` | Typ`object` | KravValfritt | Värden & gränser | Standard— | Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, input\_audio | | Parameter`material_types` | Avtalaudio | | Parameter`material_conditions` | AvtalLäs en faktisk WAV-fil och koda dess verkliga byte för deklarerad JSON-indata i input\_audio; ingen multipart-rutt anges för denna exakta deklaration med enbart JSON. | Livscykel: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Det task\_id som faktiskt returnerades eller en post i mediebiblioteket `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Priser ##### Så beräknas slutavgiften De visade priserna används för att uppskatta kostnaden före genereringen. Den slutliga debiteringen beräknas utifrån den kostnad som registrerats för den ursprungliga genereringen. Uppmätt längd på resultatet och uppskattade mängder utgör inte den slutliga debiterbara mängden. Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) #### Uppskattade priser för jämförelse #### Priser efter konfiguration Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer. | Konfiguration | Prislista | Prognostiserad mängd | Debiteringsenhet | Avgift | | --- | --- | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Prognostiserad mängd— | Debiteringsenhet— | Avgift Indata · Indatatoken · Uppskattning endast för jämförelse **—** / 1K token Utdata · Utdatatoken · Uppskattning endast för jämförelse **—** / 1K token Indata · Cacheläsning · Uppskattning endast för jämförelse **—** / 1K token Indata · Skrivning till cache · Uppskattning endast för jämförelse **—** / 1K token Indata · Skrivning till cache, 1 tim · Uppskattning endast för jämförelse **—** / 1K token | | Konfigurationsekund inkommande ljud | Prislista— | Prognostiserad mängd— | Debiteringsenhetper sekund indataljud | Avgift Indata · sekund inkommande ljud · Uppskattning endast för jämförelse **$0.00005** per sekund indataljud | | KonfigurationUppskattad genereringskostnad | Prislista— | Prognostiserad mängduppskattning för en generering | Debiteringsenhet— | Avgift Utdata · Uppskattad genereringskostnad · Uppskattning endast för jämförelse **$0.00005** uppskattning före generering Denna uppskattning är varken en extra avgift eller ett fast pris för den slutförda genereringen. | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · Transkribering curl · exakt kropp i det ursprungliga API-formatet och hela resultatet ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Ta emot och spara resultat #### Ailoot Ultra · Transkribering - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Andra innehållsläsningar Läs befintliga resurser som tillhör dig ```bash set -eu : "${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. ``` ##### Behåll alla färdiga resultat Behåll varje fullständigt returnerat svar, fil och innehållsdel. Spara hela svaret med headers, samtliga faktiska resultat, de ursprungliga returnerade identifierarna och alla användningsfält. Hämta den ursprungliga operationen utan att skicka skapandeförfrågan igen. ##### Om det ursprungliga svaret behöver kontrolleras Behåll det returnerade värdet för X-Client-Request-ID för avstämning. Läs endast av resultat via de task\_id/asset\_id-värden som faktiskt returnerades eller via det mediebibliotek som tillhör dig. Bygg aldrig en uppgifts-URL från operations-ID:t och skicka aldrig skapandeförfrågan igen. Svarsfält | Fält | Typ | | --- | --- | | Fält`text` | Typ | | Fält`usage` | Typ | | Fält`segments[]` | Typ | | Fält`words[]` | Typ | | Fält`speaker fields` | Typ | | Fält`timestamps` | Typ | ### Alias #### Modellalias **Ailoot Ultra** [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/sv/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&fmt=transcriptions) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/sv/#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 Vilka indata och resultat finns? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `audio` → `text` Vilka fält använder begäran? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Vilka gränser gäller? `POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Anslut Ailoot till Claude Code, OpenCode, Hermes eller din app. ## Företaget och dess projektportfölj Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. ## Köp token med rabatt. Prenumerationsrabatt för återkommande arbete. Kampanjkoder ger upp till 50% vid tokenköp. Prenumeration Välj en rabatterad plan för återkommande anrop. Kampanjkod upp till 50% Ange koden vid köpet. Priset räknas om enligt kampanjen. Kostnader i historiken Modell, token och belopp sparas för varje anrop. [Välj prenumeration](https://ailoot.ai/docs/sv/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/sv/) ## Anslut API till produkten som du säljer. SaaS, appar och botar enligt Ailoots officiella villkor och licensavtal. Begär återförsäljarlicens för vidareförsäljning. Kommersiell applikation Bygg text-, bild-, video- och ljudgenerering i tjänstens betalda funktioner. Återförsäljarlicens Skicka projektbeskrivning och åtkomstupplägg. Begär skriftliga villkor för användning och vidareförsäljning. Dokument på webbplatsen Officiella villkor, licensavtal och databehandlingspolicy finns tillgängliga före anslutning. [Begär återförsäljarlicens](mailto:support@ailoot.ai) · [Officiella villkor och licensavtal](https://ailoot.ai/legal/offer?lang=sv) ## Ailoot · Företaget och dess projektportfölj Ailoot bygger på etablerad driftserfarenhet, en stor kundbas, stabil service och löpande KPI-kontroll. Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. Ailoot använder denna driftserfarenhet för API-åtkomst till AI-funktioner i kundernas produkter, agenter, applikationer och automatiseringar.