{
  "aboutHtml": "<p>Nemotron 3.5 ASR Streaming Multilingual 0.6B เป็นโมเดลรู้จำเสียงพูดของ NVIDIA ที่มีพารามิเตอร์ 600 ล้านตัว สำหรับการถอดเสียงสดและงานเสียงที่บันทึกไว้ โมเดลขยายสายรุ่นสตรีมมิงภาษาอังกฤษด้วยการใช้ตัวระบุภาษาเป็นเงื่อนไข เสียงพูดกลายเป็นข้อความในภาษาของข้อมูลนำเข้า โดยมีเครื่องหมายวรรคตอนและการใช้อักษรตัวพิมพ์ใหญ่อยู่ในผลลัพธ์</p><p>การครอบคลุมภาษาของผู้สร้างแบ่งเป็นสามระดับ โลแคลที่พร้อมถอดเสียงสิบเก้ารายการครอบคลุมภาษาอังกฤษแบบสหรัฐฯ และสหราชอาณาจักร สเปนแบบสหรัฐฯ และสเปน ฝรั่งเศสแบบฝรั่งเศสและแคนาดา อิตาลี โปรตุเกสแบบบราซิลและโปรตุเกส ดัตช์ เยอรมัน ตุรกี รัสเซีย อาหรับ ฮินดี ญี่ปุ่น เกาหลี เวียดนาม และยูเครน โลแคลที่ครอบคลุมในระดับกว้างอีกสิบสามรายการเพิ่มภาษาโปแลนด์ สวีเดน เช็ก นอร์เวย์บ็อกมอล เดนมาร์ก บัลแกเรีย ฟินแลนด์ โครเอเชีย สโลวัก จีนกลาง ฮังการี โรมาเนีย และเอสโตเนีย รวมแล้วทั้ง 32 โลแคลนี้ถอดเสียงได้โดยไม่ต้องปรับแต่งเพิ่มเติม</p><p>โลแคลที่พร้อมให้ปรับแต่งแปดรายการ ได้แก่ กรีก ลิทัวเนีย ลัตเวีย มอลตา สโลวีเนีย ฮีบรู ไทย และนอร์เวย์นีนอสก์ เป็นภาษาที่ตัวแบ่งโทเคนรู้จัก แต่ต้องปรับแต่งด้วยข้อมูลในโดเมนเพื่อเปิดความสามารถถอดเสียงเต็มรูปแบบ ดังนั้นตัวเลข 40 โลแคลของผู้ผลิตจึงไม่ได้หมายความว่าทั้งสี่สิบรายการมีความสามารถพร้อมใช้งานเท่ากัน เช็กพอยต์ที่ปรับแต่งเป็นชิ้นงานคนละรายการกับโมเดลฐาน</p><p>สถาปัตยกรรมรวมตัวเข้ารหัส FastConformer ที่รองรับแคชจำนวน 24 ชั้นเข้ากับตัวถอดรหัส RNN-T โมเดลเก็บสถานะ attention และ convolution ของตัวเข้ารหัสจากเฟรมก่อนหน้า และประมวลผลช่วงเสียงใหม่แต่ละช่วงโดยไม่คำนวณหน้าต่างที่ทับซ้อนกันซ้ำอยู่เรื่อย ๆ สัญญาณตัวระบุภาษาถูกส่งควบคู่กับตัวแทนข้อมูลเสียงเพื่อกำหนดภาษาของบทถอดเสียง หรือให้โมเดลอนุมานภาษาเอง</p><p>การกำหนดค่า NeMo ของ NVIDIA ระบุขนาดช่วงไว้ที่ 80, 160, 320, 560 และ 1120 มิลลิวินาที การตั้งค่า attention ควบคุมว่าช่วงหนึ่งจะได้รับเสียงที่ตามมามากเท่าใดก่อนส่งข้อความออกมา ช่วยให้งานปรับสมดุลระหว่างเวลารอกับบริบทเสียงได้ ค่าเหล่านี้เป็นการกำหนดค่าสตรีมมิงของผู้ผลิต ไม่ใช่เวลาตอบสนองตั้งแต่ต้นจนจบที่รับประกัน และการนำไปใช้อาจเปิดให้เลือกเพียงบางค่าที่รองรับ</p><p>เตรียมเสียง WAV แบบโมโนที่อัตราสุ่มตัวอย่าง 16 kHz ของตัวประมวลผลผู้ผลิต เมื่อทราบภาษา ให้ใช้เงื่อนไขโลแคลที่ตรงกัน ส่วนโหมดอัตโนมัติจะตรวจจับภาษาที่พูด ตัวอย่างไปป์ไลน์พื้นฐานใช้พรอมป์ต์ภาษาอังกฤษแบบสหรัฐฯ เป็นค่าเริ่มต้น จึงควรกำหนดพฤติกรรมหลายภาษาอย่างตั้งใจ แทนการสมมติจากตัวอย่างนั้น</p><p>ในโหมดอัตโนมัติ เวิร์กโฟลว์ของผู้ผลิตสามารถเติมแท็กภาษาหลังเครื่องหมายวรรคตอนท้ายบทถอดเสียง การเก็บแท็กไว้ทำให้แอปพลิเคชันที่จัดการคำขอหลายภาษาใช้ข้อมูลภาษาได้ ส่วนการตัดแท็กออกจะให้ข้อความถอดเสียงล้วน รักษาความแตกต่างระหว่างถ้อยคำที่รู้จำได้ เครื่องหมายวรรคตอน และเมทาดาทาภาษานี้เมื่อแสดงหรือประมวลผลผลลัพธ์</p><p>แอปพลิเคชันคำบรรยายสามารถป้อนเสียงตามลำดับ รวบรวมบทถอดเสียง และใช้ข้อความที่สมบูรณ์สำหรับแสดงผลหรือประมวลผลขั้นถัดไป แอปพลิเคชันเสียงสามารถส่งข้อความที่รู้จำได้ต่อไปยังขั้นตอนทำความเข้าใจภาษา งานวิเคราะห์การโทรสามารถเก็บไฟล์บันทึกต้นฉบับคู่กับบทถอดเสียง เพื่อให้ยังตรวจสอบชื่อ ตัวเลข และศัพท์ที่ไม่คุ้นเคยได้ โมเดล ASR ให้บทถอดเสียง ส่วนการสรุป การดำเนินการ และการสร้างเสียงพูดเป็นขั้นตอนแยกของแอปพลิเคชัน</p><p>NVIDIA ฝึกโมเดลด้วยข้อมูลเสียงสาธารณะและข้อมูลที่เป็นกรรมสิทธิ์ผสมกัน พร้อมป้ายกำกับจากมนุษย์และป้ายกำกับสังเคราะห์ที่ปรับรูปแบบให้เป็นข้อความซึ่งมีเครื่องหมายวรรคตอนและตัวพิมพ์ใหญ่อย่างเหมาะสม คู่มือการปรับแต่งเน้นการจับคู่ป้ายกำกับภาษาและรูปแบบข้อความ แล้วประเมินเสียงที่กันไว้สำหรับทดสอบด้วยการตั้งค่าสตรีมมิงที่ตั้งใจใช้ คู่มืออธิบายการปรับภาษา สำเนียง และโดเมน โดยไม่ได้ทำให้ผลที่ปรับแต่งเหล่านั้นกลายเป็นคุณสมบัติของเช็กพอยต์ดั้งเดิม</p><p>การ์ดโมเดลผูกความยาวของไฟล์บันทึกที่ใช้ได้จริงเข้ากับหน่วยความจำที่มี แทนการเผยแพร่เพดานระยะเวลาเดียวสำหรับทุกกรณี แยกรุ่นหลายภาษาออกจากโมเดลที่รองรับเฉพาะภาษาอังกฤษ และเก็บภาษาและการกำหนดค่าสตรีมมิงที่เลือกไว้กับผลการถอดเสียง ชิ้นงานผลลัพธ์คือข้อความที่รู้จำได้พร้อมเมทาดาทาภาษาของผู้ผลิตหากเลือกใช้ ไม่ใช่คำตอบสนทนาทั่วไป</p>",
  "aboutText": "Nemotron 3.5 ASR Streaming Multilingual 0.6B เป็นโมเดลรู้จำเสียงพูดของ NVIDIA ที่มีพารามิเตอร์ 600 ล้านตัว สำหรับการถอดเสียงสดและงานเสียงที่บันทึกไว้ โมเดลขยายสายรุ่นสตรีมมิงภาษาอังกฤษด้วยการใช้ตัวระบุภาษาเป็นเงื่อนไข เสียงพูดกลายเป็นข้อความในภาษาของข้อมูลนำเข้า โดยมีเครื่องหมายวรรคตอนและการใช้อักษรตัวพิมพ์ใหญ่อยู่ในผลลัพธ์\n\nการครอบคลุมภาษาของผู้สร้างแบ่งเป็นสามระดับ โลแคลที่พร้อมถอดเสียงสิบเก้ารายการครอบคลุมภาษาอังกฤษแบบสหรัฐฯ และสหราชอาณาจักร สเปนแบบสหรัฐฯ และสเปน ฝรั่งเศสแบบฝรั่งเศสและแคนาดา อิตาลี โปรตุเกสแบบบราซิลและโปรตุเกส ดัตช์ เยอรมัน ตุรกี รัสเซีย อาหรับ ฮินดี ญี่ปุ่น เกาหลี เวียดนาม และยูเครน โลแคลที่ครอบคลุมในระดับกว้างอีกสิบสามรายการเพิ่มภาษาโปแลนด์ สวีเดน เช็ก นอร์เวย์บ็อกมอล เดนมาร์ก บัลแกเรีย ฟินแลนด์ โครเอเชีย สโลวัก จีนกลาง ฮังการี โรมาเนีย และเอสโตเนีย รวมแล้วทั้ง 32 โลแคลนี้ถอดเสียงได้โดยไม่ต้องปรับแต่งเพิ่มเติม\n\nโลแคลที่พร้อมให้ปรับแต่งแปดรายการ ได้แก่ กรีก ลิทัวเนีย ลัตเวีย มอลตา สโลวีเนีย ฮีบรู ไทย และนอร์เวย์นีนอสก์ เป็นภาษาที่ตัวแบ่งโทเคนรู้จัก แต่ต้องปรับแต่งด้วยข้อมูลในโดเมนเพื่อเปิดความสามารถถอดเสียงเต็มรูปแบบ ดังนั้นตัวเลข 40 โลแคลของผู้ผลิตจึงไม่ได้หมายความว่าทั้งสี่สิบรายการมีความสามารถพร้อมใช้งานเท่ากัน เช็กพอยต์ที่ปรับแต่งเป็นชิ้นงานคนละรายการกับโมเดลฐาน\n\nสถาปัตยกรรมรวมตัวเข้ารหัส FastConformer ที่รองรับแคชจำนวน 24 ชั้นเข้ากับตัวถอดรหัส RNN-T โมเดลเก็บสถานะ attention และ convolution ของตัวเข้ารหัสจากเฟรมก่อนหน้า และประมวลผลช่วงเสียงใหม่แต่ละช่วงโดยไม่คำนวณหน้าต่างที่ทับซ้อนกันซ้ำอยู่เรื่อย ๆ สัญญาณตัวระบุภาษาถูกส่งควบคู่กับตัวแทนข้อมูลเสียงเพื่อกำหนดภาษาของบทถอดเสียง หรือให้โมเดลอนุมานภาษาเอง\n\nการกำหนดค่า NeMo ของ NVIDIA ระบุขนาดช่วงไว้ที่ 80, 160, 320, 560 และ 1120 มิลลิวินาที การตั้งค่า attention ควบคุมว่าช่วงหนึ่งจะได้รับเสียงที่ตามมามากเท่าใดก่อนส่งข้อความออกมา ช่วยให้งานปรับสมดุลระหว่างเวลารอกับบริบทเสียงได้ ค่าเหล่านี้เป็นการกำหนดค่าสตรีมมิงของผู้ผลิต ไม่ใช่เวลาตอบสนองตั้งแต่ต้นจนจบที่รับประกัน และการนำไปใช้อาจเปิดให้เลือกเพียงบางค่าที่รองรับ\n\nเตรียมเสียง WAV แบบโมโนที่อัตราสุ่มตัวอย่าง 16 kHz ของตัวประมวลผลผู้ผลิต เมื่อทราบภาษา ให้ใช้เงื่อนไขโลแคลที่ตรงกัน ส่วนโหมดอัตโนมัติจะตรวจจับภาษาที่พูด ตัวอย่างไปป์ไลน์พื้นฐานใช้พรอมป์ต์ภาษาอังกฤษแบบสหรัฐฯ เป็นค่าเริ่มต้น จึงควรกำหนดพฤติกรรมหลายภาษาอย่างตั้งใจ แทนการสมมติจากตัวอย่างนั้น\n\nในโหมดอัตโนมัติ เวิร์กโฟลว์ของผู้ผลิตสามารถเติมแท็กภาษาหลังเครื่องหมายวรรคตอนท้ายบทถอดเสียง การเก็บแท็กไว้ทำให้แอปพลิเคชันที่จัดการคำขอหลายภาษาใช้ข้อมูลภาษาได้ ส่วนการตัดแท็กออกจะให้ข้อความถอดเสียงล้วน รักษาความแตกต่างระหว่างถ้อยคำที่รู้จำได้ เครื่องหมายวรรคตอน และเมทาดาทาภาษานี้เมื่อแสดงหรือประมวลผลผลลัพธ์\n\nแอปพลิเคชันคำบรรยายสามารถป้อนเสียงตามลำดับ รวบรวมบทถอดเสียง และใช้ข้อความที่สมบูรณ์สำหรับแสดงผลหรือประมวลผลขั้นถัดไป แอปพลิเคชันเสียงสามารถส่งข้อความที่รู้จำได้ต่อไปยังขั้นตอนทำความเข้าใจภาษา งานวิเคราะห์การโทรสามารถเก็บไฟล์บันทึกต้นฉบับคู่กับบทถอดเสียง เพื่อให้ยังตรวจสอบชื่อ ตัวเลข และศัพท์ที่ไม่คุ้นเคยได้ โมเดล ASR ให้บทถอดเสียง ส่วนการสรุป การดำเนินการ และการสร้างเสียงพูดเป็นขั้นตอนแยกของแอปพลิเคชัน\n\nNVIDIA ฝึกโมเดลด้วยข้อมูลเสียงสาธารณะและข้อมูลที่เป็นกรรมสิทธิ์ผสมกัน พร้อมป้ายกำกับจากมนุษย์และป้ายกำกับสังเคราะห์ที่ปรับรูปแบบให้เป็นข้อความซึ่งมีเครื่องหมายวรรคตอนและตัวพิมพ์ใหญ่อย่างเหมาะสม คู่มือการปรับแต่งเน้นการจับคู่ป้ายกำกับภาษาและรูปแบบข้อความ แล้วประเมินเสียงที่กันไว้สำหรับทดสอบด้วยการตั้งค่าสตรีมมิงที่ตั้งใจใช้ คู่มืออธิบายการปรับภาษา สำเนียง และโดเมน โดยไม่ได้ทำให้ผลที่ปรับแต่งเหล่านั้นกลายเป็นคุณสมบัติของเช็กพอยต์ดั้งเดิม\n\nการ์ดโมเดลผูกความยาวของไฟล์บันทึกที่ใช้ได้จริงเข้ากับหน่วยความจำที่มี แทนการเผยแพร่เพดานระยะเวลาเดียวสำหรับทุกกรณี แยกรุ่นหลายภาษาออกจากโมเดลที่รองรับเฉพาะภาษาอังกฤษ และเก็บภาษาและการกำหนดค่าสตรีมมิงที่เลือกไว้กับผลการถอดเสียง ชิ้นงานผลลัพธ์คือข้อความที่รู้จำได้พร้อมเมทาดาทาภาษาของผู้ผลิตหากเลือกใช้ ไม่ใช่คำตอบสนทนาทั่วไป",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "12bcca8cd2af6876941c45c7dc6d162f529d6cef8204fcb561fed8b91de861d0",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "th",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">NV</span><h2 id=\"sheet-title\">NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"ปิด\">×</button></div><div class=\"idline\"><span>NVIDIA /</span><code>nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b</code><button type=\"button\" id=\"copy-id\">คัดลอก ID</button></div><nav class=\"card-jump-nav\" aria-label=\"ส่วนต่าง ๆ ของการ์ดโมเดล\"><button type=\"button\" data-card-jump=\"overview\">เริ่มต้น</button><button type=\"button\" data-card-jump=\"methods\">อินพุตและเมธอด</button><button type=\"button\" data-card-jump=\"pricing\">ราคา</button><button type=\"button\" data-card-jump=\"examples\">ตัวอย่าง</button><button type=\"button\" data-card-jump=\"results\">ผลลัพธ์</button><button type=\"button\" data-card-jump=\"aliases\">ชื่ออื่น</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"เมธอด API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|transcriptions|/v1/audio/transcriptions|nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b\">การรู้จำ</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">เริ่มต้น</h3><p class=\"mdesc-full\">Nemotron 3.5 ASR Streaming Multilingual 0.6B ของ NVIDIA ถอดเสียงพูดเป็นข้อความที่มีเครื่องหมายวรรคตอนด้วยตัวเข้ารหัสสตรีมมิงที่รองรับแคช รองรับการกำหนดภาษาอย่างชัดเจนหรือการตรวจจับอัตโนมัติ โดยมี 32 โลแคลที่พร้อมถอดเสียง และอีกแปดโลแคลที่ต้องปรับแต่งเพิ่มเติม</p><dl class=\"card-io\" data-card-io><div><dt>อินพุตที่รองรับ</dt><dd>เสียง</dd></div><div><dt>ผลลัพธ์</dt><dd>ข้อความ</dd></div></dl><details class=\"card-about\"><summary>เกี่ยวกับโมเดล</summary><p class=\"note-s\" data-model-method-boundary>คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก</p><div class=\"mabout\" id=\"m-about\"><p>Nemotron 3.5 ASR Streaming Multilingual 0.6B เป็นโมเดลรู้จำเสียงพูดของ NVIDIA ที่มีพารามิเตอร์ 600 ล้านตัว สำหรับการถอดเสียงสดและงานเสียงที่บันทึกไว้ โมเดลขยายสายรุ่นสตรีมมิงภาษาอังกฤษด้วยการใช้ตัวระบุภาษาเป็นเงื่อนไข เสียงพูดกลายเป็นข้อความในภาษาของข้อมูลนำเข้า โดยมีเครื่องหมายวรรคตอนและการใช้อักษรตัวพิมพ์ใหญ่อยู่ในผลลัพธ์</p><p>การครอบคลุมภาษาของผู้สร้างแบ่งเป็นสามระดับ โลแคลที่พร้อมถอดเสียงสิบเก้ารายการครอบคลุมภาษาอังกฤษแบบสหรัฐฯ และสหราชอาณาจักร สเปนแบบสหรัฐฯ และสเปน ฝรั่งเศสแบบฝรั่งเศสและแคนาดา อิตาลี โปรตุเกสแบบบราซิลและโปรตุเกส ดัตช์ เยอรมัน ตุรกี รัสเซีย อาหรับ ฮินดี ญี่ปุ่น เกาหลี เวียดนาม และยูเครน โลแคลที่ครอบคลุมในระดับกว้างอีกสิบสามรายการเพิ่มภาษาโปแลนด์ สวีเดน เช็ก นอร์เวย์บ็อกมอล เดนมาร์ก บัลแกเรีย ฟินแลนด์ โครเอเชีย สโลวัก จีนกลาง ฮังการี โรมาเนีย และเอสโตเนีย รวมแล้วทั้ง 32 โลแคลนี้ถอดเสียงได้โดยไม่ต้องปรับแต่งเพิ่มเติม</p><p>โลแคลที่พร้อมให้ปรับแต่งแปดรายการ ได้แก่ กรีก ลิทัวเนีย ลัตเวีย มอลตา สโลวีเนีย ฮีบรู ไทย และนอร์เวย์นีนอสก์ เป็นภาษาที่ตัวแบ่งโทเคนรู้จัก แต่ต้องปรับแต่งด้วยข้อมูลในโดเมนเพื่อเปิดความสามารถถอดเสียงเต็มรูปแบบ ดังนั้นตัวเลข 40 โลแคลของผู้ผลิตจึงไม่ได้หมายความว่าทั้งสี่สิบรายการมีความสามารถพร้อมใช้งานเท่ากัน เช็กพอยต์ที่ปรับแต่งเป็นชิ้นงานคนละรายการกับโมเดลฐาน</p><p>สถาปัตยกรรมรวมตัวเข้ารหัส FastConformer ที่รองรับแคชจำนวน 24 ชั้นเข้ากับตัวถอดรหัส RNN-T โมเดลเก็บสถานะ attention และ convolution ของตัวเข้ารหัสจากเฟรมก่อนหน้า และประมวลผลช่วงเสียงใหม่แต่ละช่วงโดยไม่คำนวณหน้าต่างที่ทับซ้อนกันซ้ำอยู่เรื่อย ๆ สัญญาณตัวระบุภาษาถูกส่งควบคู่กับตัวแทนข้อมูลเสียงเพื่อกำหนดภาษาของบทถอดเสียง หรือให้โมเดลอนุมานภาษาเอง</p><p>การกำหนดค่า NeMo ของ NVIDIA ระบุขนาดช่วงไว้ที่ 80, 160, 320, 560 และ 1120 มิลลิวินาที การตั้งค่า attention ควบคุมว่าช่วงหนึ่งจะได้รับเสียงที่ตามมามากเท่าใดก่อนส่งข้อความออกมา ช่วยให้งานปรับสมดุลระหว่างเวลารอกับบริบทเสียงได้ ค่าเหล่านี้เป็นการกำหนดค่าสตรีมมิงของผู้ผลิต ไม่ใช่เวลาตอบสนองตั้งแต่ต้นจนจบที่รับประกัน และการนำไปใช้อาจเปิดให้เลือกเพียงบางค่าที่รองรับ</p><p>เตรียมเสียง WAV แบบโมโนที่อัตราสุ่มตัวอย่าง 16 kHz ของตัวประมวลผลผู้ผลิต เมื่อทราบภาษา ให้ใช้เงื่อนไขโลแคลที่ตรงกัน ส่วนโหมดอัตโนมัติจะตรวจจับภาษาที่พูด ตัวอย่างไปป์ไลน์พื้นฐานใช้พรอมป์ต์ภาษาอังกฤษแบบสหรัฐฯ เป็นค่าเริ่มต้น จึงควรกำหนดพฤติกรรมหลายภาษาอย่างตั้งใจ แทนการสมมติจากตัวอย่างนั้น</p><p>ในโหมดอัตโนมัติ เวิร์กโฟลว์ของผู้ผลิตสามารถเติมแท็กภาษาหลังเครื่องหมายวรรคตอนท้ายบทถอดเสียง การเก็บแท็กไว้ทำให้แอปพลิเคชันที่จัดการคำขอหลายภาษาใช้ข้อมูลภาษาได้ ส่วนการตัดแท็กออกจะให้ข้อความถอดเสียงล้วน รักษาความแตกต่างระหว่างถ้อยคำที่รู้จำได้ เครื่องหมายวรรคตอน และเมทาดาทาภาษานี้เมื่อแสดงหรือประมวลผลผลลัพธ์</p><p>แอปพลิเคชันคำบรรยายสามารถป้อนเสียงตามลำดับ รวบรวมบทถอดเสียง และใช้ข้อความที่สมบูรณ์สำหรับแสดงผลหรือประมวลผลขั้นถัดไป แอปพลิเคชันเสียงสามารถส่งข้อความที่รู้จำได้ต่อไปยังขั้นตอนทำความเข้าใจภาษา งานวิเคราะห์การโทรสามารถเก็บไฟล์บันทึกต้นฉบับคู่กับบทถอดเสียง เพื่อให้ยังตรวจสอบชื่อ ตัวเลข และศัพท์ที่ไม่คุ้นเคยได้ โมเดล ASR ให้บทถอดเสียง ส่วนการสรุป การดำเนินการ และการสร้างเสียงพูดเป็นขั้นตอนแยกของแอปพลิเคชัน</p><p>NVIDIA ฝึกโมเดลด้วยข้อมูลเสียงสาธารณะและข้อมูลที่เป็นกรรมสิทธิ์ผสมกัน พร้อมป้ายกำกับจากมนุษย์และป้ายกำกับสังเคราะห์ที่ปรับรูปแบบให้เป็นข้อความซึ่งมีเครื่องหมายวรรคตอนและตัวพิมพ์ใหญ่อย่างเหมาะสม คู่มือการปรับแต่งเน้นการจับคู่ป้ายกำกับภาษาและรูปแบบข้อความ แล้วประเมินเสียงที่กันไว้สำหรับทดสอบด้วยการตั้งค่าสตรีมมิงที่ตั้งใจใช้ คู่มืออธิบายการปรับภาษา สำเนียง และโดเมน โดยไม่ได้ทำให้ผลที่ปรับแต่งเหล่านั้นกลายเป็นคุณสมบัติของเช็กพอยต์ดั้งเดิม</p><p>การ์ดโมเดลผูกความยาวของไฟล์บันทึกที่ใช้ได้จริงเข้ากับหน่วยความจำที่มี แทนการเผยแพร่เพดานระยะเวลาเดียวสำหรับทุกกรณี แยกรุ่นหลายภาษาออกจากโมเดลที่รองรับเฉพาะภาษาอังกฤษ และเก็บภาษาและการกำหนดค่าสตรีมมิงที่เลือกไว้กับผลการถอดเสียง ชิ้นงานผลลัพธ์คือข้อความที่รู้จำได้พร้อมเมทาดาทาภาษาของผู้ผลิตหากเลือกใช้ ไม่ใช่คำตอบสนทนาทั่วไป</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">ใช้งานได้ใน Ailoot · อินพุตและเมธอด</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · การถอดเสียง</b> <code>POST /v1/audio/transcriptions</code></summary><dl class=\"method-capabilities\"><div><dt>ขาเข้า</dt><dd><code>audio</code></dd></div><div><dt>ขาออก</dt><dd><code>text</code></dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>ฟิลด์</th><th>ประเภท</th><th>ข้อกำหนด</th><th>ค่าและข้อจำกัด</th><th>ค่าเริ่มต้น</th></tr></thead><tbody><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>string</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>จำเป็น</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span><div>nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b</div></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">input_audio</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>object</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>จำเป็น</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">language</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>string</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>ไม่บังคับ</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">temperature</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>number</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>ไม่บังคับ</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span><div>ขั้นต่ำ: 0</div><div>สูงสุด: 1</div></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">response_format</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>string</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>ไม่บังคับ</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span><div>json, verbose_json</div></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"known\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>json</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">timestamp_granularities</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>array</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>ไม่บังคับ</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>object</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>ไม่บังคับ</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>พารามิเตอร์และวงจรการทำงานของเมธอด</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>พารามิเตอร์</th><th>ข้อกำหนด</th></tr></thead><tbody><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>content_type</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>application/json</td></tr><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>required</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>model, input_audio</td></tr><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>material_types</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>audio</td></tr><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>material_conditions</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>อ่านไฟล์ WAV จริงและเข้ารหัสไบต์จริงสำหรับ input_audio แบบ JSON ที่ประกาศไว้ ข้อกำหนดที่รองรับเฉพาะ JSON นี้ไม่ได้ระบุเส้นทาง multipart</td></tr></tbody></table></div><p>วงจรการทำงาน: <code>synchronous_result_then_owned_library</code></p><p class=\"note-s\"><code>GET /v1/media/tasks/{task_id}</code> · ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ</p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}/content</code></p><p class=\"note-s\"><code>GET /v1/media/assets</code></p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">ราคา</h3><div class=\"card-result-process\" data-billing-basis><h5>วิธีคำนวณค่าบริการสุดท้าย</h5><p class=\"note-s\">อัตราที่แสดงใช้ประมาณการค่าใช้จ่ายก่อนการสร้างผลลัพธ์ ยอดเรียกเก็บสุดท้ายคำนวณจากค่าใช้จ่ายที่บันทึกไว้สำหรับการสร้างผลลัพธ์ครั้งเดิม ระยะเวลาของผลลัพธ์ที่วัดได้และปริมาณที่คาดการณ์ไว้ไม่ใช่ปริมาณสุดท้ายที่ใช้คิดค่าบริการ</p></div><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก</p><dl data-price-conditions><dt>โหมดรวดเร็ว</dt><dd>ไม่ได้ระบุ <span class=\"note-s\">เมื่อเลือกโหมดรวดเร็ว</span></dd><dt>โหมดยืดหยุ่น</dt><dd>ไม่ได้ระบุ <span class=\"note-s\">เมื่อเลือกโหมด flex</span></dd><dt>ระดับการใช้เหตุผลสูงสุด</dt><dd>ไม่ได้ระบุ <span class=\"note-s\">เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด</span></dd></dl></div><div data-declared-tariff-pricing><h4>อัตราประมาณการเพื่อเปรียบเทียบ</h4><h4>ราคาตามการตั้งค่า</h4><p class=\"note-s\">เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>การตั้งค่า</th><th>ตารางอัตราค่าบริการ</th><th>ปริมาณคาดการณ์</th><th>หน่วยคิดค่าบริการ</th><th>ค่าบริการ</th></tr></thead><tbody><tr><th data-cell-label=\"การตั้งค่า\" scope=\"row\"><span class=\"card-cell-label\">การตั้งค่า</span>อัตราค่าบริการโทเคนพื้นฐาน</th><td data-cell-label=\"ตารางอัตราค่าบริการ\"><span class=\"card-cell-label\">ตารางอัตราค่าบริการ</span>อัตราพื้นฐาน</td><td data-cell-label=\"ปริมาณคาดการณ์\"><span class=\"card-cell-label\">ปริมาณคาดการณ์</span>—</td><td data-cell-label=\"หน่วยคิดค่าบริการ\"><span class=\"card-cell-label\">หน่วยคิดค่าบริการ</span>—</td><td data-cell-label=\"ค่าบริการ\"><span class=\"card-cell-label\">ค่าบริการ</span><div><span>ขาเข้า · โทเค็นอินพุต · ประมาณการเพื่อเปรียบเทียบเท่านั้น</span> <b>—</b> <span class=\"price-unit\">/ 1K โทเค็น</span></div><div><span>ขาออก · โทเค็นเอาต์พุต · ประมาณการเพื่อเปรียบเทียบเท่านั้น</span> <b>—</b> <span class=\"price-unit\">/ 1K โทเค็น</span></div><div><span>ขาเข้า · การอ่านแคช · ประมาณการเพื่อเปรียบเทียบเท่านั้น</span> <b>—</b> <span class=\"price-unit\">/ 1K โทเค็น</span></div><div><span>ขาเข้า · การเขียนแคช · ประมาณการเพื่อเปรียบเทียบเท่านั้น</span> <b>—</b> <span class=\"price-unit\">/ 1K โทเค็น</span></div><div><span>ขาเข้า · การเขียนแคช, 1 ชั่วโมง · ประมาณการเพื่อเปรียบเทียบเท่านั้น</span> <b>—</b> <span class=\"price-unit\">/ 1K โทเค็น</span></div></td></tr><tr><th data-cell-label=\"การตั้งค่า\" scope=\"row\"><span class=\"card-cell-label\">การตั้งค่า</span>วินาทีเสียงขาเข้า</th><td data-cell-label=\"ตารางอัตราค่าบริการ\"><span class=\"card-cell-label\">ตารางอัตราค่าบริการ</span>—</td><td data-cell-label=\"ปริมาณคาดการณ์\"><span class=\"card-cell-label\">ปริมาณคาดการณ์</span>—</td><td data-cell-label=\"หน่วยคิดค่าบริการ\"><span class=\"card-cell-label\">หน่วยคิดค่าบริการ</span>ต่อวินาทีของเสียงอินพุต</td><td data-cell-label=\"ค่าบริการ\"><span class=\"card-cell-label\">ค่าบริการ</span><div><span>ขาเข้า · วินาทีเสียงขาเข้า · ประมาณการเพื่อเปรียบเทียบเท่านั้น</span> <b>$0.00000666</b> <span class=\"price-unit\">ต่อวินาทีของเสียงอินพุต</span></div></td></tr><tr><th data-cell-label=\"การตั้งค่า\" scope=\"row\"><span class=\"card-cell-label\">การตั้งค่า</span>ต้นทุนการสร้างโดยประมาณ</th><td data-cell-label=\"ตารางอัตราค่าบริการ\"><span class=\"card-cell-label\">ตารางอัตราค่าบริการ</span>—</td><td data-cell-label=\"ปริมาณคาดการณ์\"><span class=\"card-cell-label\">ปริมาณคาดการณ์</span>ค่าประมาณสำหรับการสร้างหนึ่งครั้ง</td><td data-cell-label=\"หน่วยคิดค่าบริการ\"><span class=\"card-cell-label\">หน่วยคิดค่าบริการ</span>—</td><td data-cell-label=\"ค่าบริการ\"><span class=\"card-cell-label\">ค่าบริการ</span><div><span>ขาออก · ค่าใช้จ่ายในการสร้างโดยประมาณ · ประมาณการเพื่อเปรียบเทียบเท่านั้น</span> <b>$0.00000666</b> <span class=\"price-unit\">ประมาณการก่อนสร้าง</span></div><p class=\"note-s\">ค่าประมาณนี้ไม่ใช่ค่าใช้จ่ายเพิ่มเติมหรืออัตราคงที่สำหรับการสร้างผลลัพธ์ที่เสร็จสมบูรณ์แล้ว</p></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย <a href=\"/docs/th/billing/reserve/\">วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">ตัวอย่างคำขอ</h3><h4>Ailoot Ultra · การถอดเสียง</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"ตัวเลือกโค้ด\"><button class=\"cg-tab\" id=\"model-code-2000-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2000-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · เนื้อหาคำขอแบบเนทีฟที่ตรงตามต้นฉบับและผลลัพธ์ที่ครบถ้วน</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"คัดลอกโค้ด\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2000-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2000-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}&quot;\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ[&#39;AILOOT_AUDIO_FILE&#39;]).read_bytes()\nif not (audio[:4]==b&#39;RIFF&#39; and audio[8:12]==b&#39;WAVE&#39;): raise SystemExit(&#39;Supply an actual WAV audio file&#39;)\nif len(audio)&gt;26214400: raise SystemExit(&#39;Use a documented supported large-file flow&#39;)\nrequest={&#39;model&#39;: &#39;nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b&#39;, &#39;input_audio&#39;: {&#39;data&#39;: &#39;${BASE64_ACTUAL_WAV_BYTES}&#39;, &#39;format&#39;: &#39;wav&#39;}}\nrequest[&#39;input_audio&#39;][&#39;data&#39;]=base64.b64encode(audio).decode(&#39;ascii&#39;)\nPath(&#39;request.json&#39;).write_text(json.dumps(request,ensure_ascii=False),encoding=&#39;utf-8&#39;)\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">รับและบันทึกผลลัพธ์</h3><h4>Ailoot Ultra · การถอดเสียง</h4><ul class=\"card-result-paths\"><li><code>GET /v1/media/tasks/{task_id}</code></li><li><code>GET /v1/media/assets/{asset_id}/content</code></li><li><code>GET /v1/media/assets</code></li><li><code>GET /v1/media/assets/{asset_id}</code></li></ul><details class=\"card-about\"><summary>การอ่านเนื้อหาแบบอื่น</summary><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"ตัวเลือกโค้ด\"><button class=\"cg-tab\" id=\"model-code-2001-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2001-panel-0\" aria-selected=\"true\" tabindex=\"0\">อ่านไฟล์สื่อที่มีอยู่และเป็นของคุณ</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"คัดลอกโค้ด\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2001-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2001-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n</code></pre></div></div></div></details><div class=\"card-result-process\" data-all-results><h5>เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด</h5><p class=\"note-s\">เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน</p><p class=\"note-s\">เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ</h5><p class=\"note-s\">เก็บ X-Client-Request-ID ที่ส่งกลับมาไว้เพื่อกระทบยอด อ่านเฉพาะค่า task_id/asset_id ที่ส่งกลับมาจริง หรืออ่านจากคลังสื่อที่เป็นของตนเอง ห้ามสร้าง URL ของงานจาก ID การดำเนินการ และห้ามส่งคำขอสร้างซ้ำเด็ดขาด</p></div><details class=\"card-about\" data-output-fields><summary>ฟิลด์การตอบกลับ</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>ฟิลด์</th><th>ประเภท</th></tr></thead><tbody><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">text</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span></td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span></td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">segments[]</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span></td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">words[]</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span></td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">speaker fields</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span></td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">timestamps</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span></td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">ชื่ออื่น</h3><h4>ชื่ออื่นของโมเดล</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&amp;route=Ultra&amp;caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&amp;fmt=transcriptions\"><code>nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b</code></a></span></p><h4>ชื่อพาธเมธอดอื่น</h4><p class=\"note-s\">ใช้พาธเมธอดที่แสดงด้านบน</p><h4>ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล</h4><p class=\"note-s\"><a href=\"#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&amp;route=Ultra&amp;caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&amp;fmt=transcriptions\"><code>nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b",
        "fmt": "transcriptions",
        "http": "POST",
        "path": "/v1/audio/transcriptions",
        "request_model_id": "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "billing_basis": {
          "basis": "original_invoice_usd",
          "description": "อัตราที่แสดงใช้ประมาณการค่าใช้จ่ายก่อนการสร้างผลลัพธ์ ยอดเรียกเก็บสุดท้ายคำนวณจากค่าใช้จ่ายที่บันทึกไว้สำหรับการสร้างผลลัพธ์ครั้งเดิม ระยะเวลาของผลลัพธ์ที่วัดได้และปริมาณที่คาดการณ์ไว้ไม่ใช่ปริมาณสุดท้ายที่ใช้คิดค่าบริการ",
          "forecast_quantity_is_estimate": true,
          "physical_output_is_billable_quantity": false,
          "version": "original_invoice_usd_v1"
        },
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "เก็บ X-Client-Request-ID ที่ส่งกลับมาไว้เพื่อกระทบยอด อ่านเฉพาะค่า task_id/asset_id ที่ส่งกลับมาจริง หรืออ่านจากคลังสื่อที่เป็นของตนเอง ห้ามสร้าง URL ของงานจาก ID การดำเนินการ และห้ามส่งคำขอสร้างซ้ำเด็ดขาด"
            },
            "outputs": {
              "all_results": "เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ",
              "family": "text",
              "fields": [
                {
                  "description": null,
                  "name": "text",
                  "type": null
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": null
                },
                {
                  "description": null,
                  "name": "segments[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "words[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "speaker fields",
                  "type": null
                },
                {
                  "description": null,
                  "name": "timestamps",
                  "type": null
                }
              ]
            },
            "parameters": [
              {
                "enum": [
                  "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default": "json",
                "default_known": true,
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "required": [
                "model",
                "input_audio"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": true,
              "body": {
                "input_audio": {
                  "data": "${BASE64_ACTUAL_WAV_BYTES}",
                  "format": "wav"
                },
                "model": "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "อ่านไฟล์ WAV จริงและเข้ารหัสไบต์จริงสำหรับ input_audio แบบ JSON ที่ประกาศไว้ ข้อกำหนดที่รองรับเฉพาะ JSON นี้ไม่ได้ระบุเส้นทาง multipart"
            ],
            "material_types": [
              "audio"
            ],
            "required": [
              "model",
              "input_audio"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "text",
            "fields": [
              {
                "description": null,
                "name": "text",
                "type": null
              },
              {
                "description": null,
                "name": "usage",
                "type": null
              },
              {
                "description": null,
                "name": "segments[]",
                "type": null
              },
              {
                "description": null,
                "name": "words[]",
                "type": null
              },
              {
                "description": null,
                "name": "speaker fields",
                "type": null
              },
              {
                "description": null,
                "name": "timestamps",
                "type": null
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.00000666",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.00000666",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "ค่าประมาณนี้ไม่ใช่ค่าใช้จ่ายเพิ่มเติมหรืออัตราคงที่สำหรับการสร้างผลลัพธ์ที่เสร็จสมบูรณ์แล้ว",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "ต้นทุนการสร้างโดยประมาณ",
            "units": [
              {
                "amount": "0.00000666",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00000666",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          },
          {
            "code": "set -eu\n: \"${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.\n",
            "label": "Read existing owned assets",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact caller model ID and documented input representation.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "การถอดเสียง",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "audio_transcriptions",
        "out": null,
        "output": [
          "text"
        ],
        "path": "/v1/audio/transcriptions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "original_invoice_usd",
          "image_input_price": null,
          "image_output_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.00000666",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.00000666",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Estimated generation cost",
            "units": [
              {
                "amount": "0.00000666",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00000666",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}"
        ],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.00000666",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "audio_input_second",
            "label": "input audio second",
            "native_amount_usd_per_unit": "0.00000666",
            "native_quantity": 1,
            "public_unit_label": "per input audio second",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          },
          {
            "amount": "0.00000666",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.00000666",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ]
      }
    }
  ],
  "model_id": "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "07051a43400b0b157e579ae576968edfac9f46164fad8686c1c1d5a75c4c871b",
    "input_html_sha256": "d06454bd46bca915b2b94201bf308f5f874a01fc4ac17e8786825295cbdcab48",
    "private_audit_sha256": "edf2d9ef616612729d8d9ad51675b719ec7ae2fb3764ea2f6d68e9048f6f45ab",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/th/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/",
    "description": "Nemotron 3.5 ASR Streaming Multilingual 0.6B ของ NVIDIA ถอดเสียงพูดเป็นข้อความที่มีเครื่องหมายวรรคตอนด้วยตัวเข้ารหัสสตรีมมิงที่รองรับแคช รองรับการกำหนดภาษาอย่างชัดเจนหรือการตรวจจับอัตโนมัติ โดยมี 32 โลแคลที่พร้อมถอดเสียง และอีกแปดโลแคลที่ต้องปรับแต่งเพิ่มเติม",
    "locale": "th",
    "md_url": "https://ailoot.ai/models/th/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/index.md",
    "title": "NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B — Ailoot",
    "url": "https://ailoot.ai/models/th/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/"
  },
  "rawModel": {
    "about": "Nemotron 3.5 ASR Streaming Multilingual 0.6B เป็นโมเดลรู้จำเสียงพูดของ NVIDIA ที่มีพารามิเตอร์ 600 ล้านตัว สำหรับการถอดเสียงสดและงานเสียงที่บันทึกไว้ โมเดลขยายสายรุ่นสตรีมมิงภาษาอังกฤษด้วยการใช้ตัวระบุภาษาเป็นเงื่อนไข เสียงพูดกลายเป็นข้อความในภาษาของข้อมูลนำเข้า โดยมีเครื่องหมายวรรคตอนและการใช้อักษรตัวพิมพ์ใหญ่อยู่ในผลลัพธ์\n\nการครอบคลุมภาษาของผู้สร้างแบ่งเป็นสามระดับ โลแคลที่พร้อมถอดเสียงสิบเก้ารายการครอบคลุมภาษาอังกฤษแบบสหรัฐฯ และสหราชอาณาจักร สเปนแบบสหรัฐฯ และสเปน ฝรั่งเศสแบบฝรั่งเศสและแคนาดา อิตาลี โปรตุเกสแบบบราซิลและโปรตุเกส ดัตช์ เยอรมัน ตุรกี รัสเซีย อาหรับ ฮินดี ญี่ปุ่น เกาหลี เวียดนาม และยูเครน โลแคลที่ครอบคลุมในระดับกว้างอีกสิบสามรายการเพิ่มภาษาโปแลนด์ สวีเดน เช็ก นอร์เวย์บ็อกมอล เดนมาร์ก บัลแกเรีย ฟินแลนด์ โครเอเชีย สโลวัก จีนกลาง ฮังการี โรมาเนีย และเอสโตเนีย รวมแล้วทั้ง 32 โลแคลนี้ถอดเสียงได้โดยไม่ต้องปรับแต่งเพิ่มเติม\n\nโลแคลที่พร้อมให้ปรับแต่งแปดรายการ ได้แก่ กรีก ลิทัวเนีย ลัตเวีย มอลตา สโลวีเนีย ฮีบรู ไทย และนอร์เวย์นีนอสก์ เป็นภาษาที่ตัวแบ่งโทเคนรู้จัก แต่ต้องปรับแต่งด้วยข้อมูลในโดเมนเพื่อเปิดความสามารถถอดเสียงเต็มรูปแบบ ดังนั้นตัวเลข 40 โลแคลของผู้ผลิตจึงไม่ได้หมายความว่าทั้งสี่สิบรายการมีความสามารถพร้อมใช้งานเท่ากัน เช็กพอยต์ที่ปรับแต่งเป็นชิ้นงานคนละรายการกับโมเดลฐาน\n\nสถาปัตยกรรมรวมตัวเข้ารหัส FastConformer ที่รองรับแคชจำนวน 24 ชั้นเข้ากับตัวถอดรหัส RNN-T โมเดลเก็บสถานะ attention และ convolution ของตัวเข้ารหัสจากเฟรมก่อนหน้า และประมวลผลช่วงเสียงใหม่แต่ละช่วงโดยไม่คำนวณหน้าต่างที่ทับซ้อนกันซ้ำอยู่เรื่อย ๆ สัญญาณตัวระบุภาษาถูกส่งควบคู่กับตัวแทนข้อมูลเสียงเพื่อกำหนดภาษาของบทถอดเสียง หรือให้โมเดลอนุมานภาษาเอง\n\nการกำหนดค่า NeMo ของ NVIDIA ระบุขนาดช่วงไว้ที่ 80, 160, 320, 560 และ 1120 มิลลิวินาที การตั้งค่า attention ควบคุมว่าช่วงหนึ่งจะได้รับเสียงที่ตามมามากเท่าใดก่อนส่งข้อความออกมา ช่วยให้งานปรับสมดุลระหว่างเวลารอกับบริบทเสียงได้ ค่าเหล่านี้เป็นการกำหนดค่าสตรีมมิงของผู้ผลิต ไม่ใช่เวลาตอบสนองตั้งแต่ต้นจนจบที่รับประกัน และการนำไปใช้อาจเปิดให้เลือกเพียงบางค่าที่รองรับ\n\nเตรียมเสียง WAV แบบโมโนที่อัตราสุ่มตัวอย่าง 16 kHz ของตัวประมวลผลผู้ผลิต เมื่อทราบภาษา ให้ใช้เงื่อนไขโลแคลที่ตรงกัน ส่วนโหมดอัตโนมัติจะตรวจจับภาษาที่พูด ตัวอย่างไปป์ไลน์พื้นฐานใช้พรอมป์ต์ภาษาอังกฤษแบบสหรัฐฯ เป็นค่าเริ่มต้น จึงควรกำหนดพฤติกรรมหลายภาษาอย่างตั้งใจ แทนการสมมติจากตัวอย่างนั้น\n\nในโหมดอัตโนมัติ เวิร์กโฟลว์ของผู้ผลิตสามารถเติมแท็กภาษาหลังเครื่องหมายวรรคตอนท้ายบทถอดเสียง การเก็บแท็กไว้ทำให้แอปพลิเคชันที่จัดการคำขอหลายภาษาใช้ข้อมูลภาษาได้ ส่วนการตัดแท็กออกจะให้ข้อความถอดเสียงล้วน รักษาความแตกต่างระหว่างถ้อยคำที่รู้จำได้ เครื่องหมายวรรคตอน และเมทาดาทาภาษานี้เมื่อแสดงหรือประมวลผลผลลัพธ์\n\nแอปพลิเคชันคำบรรยายสามารถป้อนเสียงตามลำดับ รวบรวมบทถอดเสียง และใช้ข้อความที่สมบูรณ์สำหรับแสดงผลหรือประมวลผลขั้นถัดไป แอปพลิเคชันเสียงสามารถส่งข้อความที่รู้จำได้ต่อไปยังขั้นตอนทำความเข้าใจภาษา งานวิเคราะห์การโทรสามารถเก็บไฟล์บันทึกต้นฉบับคู่กับบทถอดเสียง เพื่อให้ยังตรวจสอบชื่อ ตัวเลข และศัพท์ที่ไม่คุ้นเคยได้ โมเดล ASR ให้บทถอดเสียง ส่วนการสรุป การดำเนินการ และการสร้างเสียงพูดเป็นขั้นตอนแยกของแอปพลิเคชัน\n\nNVIDIA ฝึกโมเดลด้วยข้อมูลเสียงสาธารณะและข้อมูลที่เป็นกรรมสิทธิ์ผสมกัน พร้อมป้ายกำกับจากมนุษย์และป้ายกำกับสังเคราะห์ที่ปรับรูปแบบให้เป็นข้อความซึ่งมีเครื่องหมายวรรคตอนและตัวพิมพ์ใหญ่อย่างเหมาะสม คู่มือการปรับแต่งเน้นการจับคู่ป้ายกำกับภาษาและรูปแบบข้อความ แล้วประเมินเสียงที่กันไว้สำหรับทดสอบด้วยการตั้งค่าสตรีมมิงที่ตั้งใจใช้ คู่มืออธิบายการปรับภาษา สำเนียง และโดเมน โดยไม่ได้ทำให้ผลที่ปรับแต่งเหล่านั้นกลายเป็นคุณสมบัติของเช็กพอยต์ดั้งเดิม\n\nการ์ดโมเดลผูกความยาวของไฟล์บันทึกที่ใช้ได้จริงเข้ากับหน่วยความจำที่มี แทนการเผยแพร่เพดานระยะเวลาเดียวสำหรับทุกกรณี แยกรุ่นหลายภาษาออกจากโมเดลที่รองรับเฉพาะภาษาอังกฤษ และเก็บภาษาและการกำหนดค่าสตรีมมิงที่เลือกไว้กับผลการถอดเสียง ชิ้นงานผลลัพธ์คือข้อความที่รู้จำได้พร้อมเมทาดาทาภาษาของผู้ผลิตหากเลือกใช้ ไม่ใช่คำตอบสนทนาทั่วไป",
    "alias_of": null,
    "aliases": [],
    "author": "NVIDIA",
    "capabilities": {
      "context_length": 0,
      "manufacturer_input": [
        "audio"
      ],
      "manufacturer_output": [
        "transcription"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.00000666",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.00000666",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ],
        "summary": "ดูราคาตามการกำหนดค่าแบบครบถ้วนในรายละเอียด"
      }
    ],
    "ctx": null,
    "formats": [
      "transcriptions"
    ],
    "id": "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b",
    "input": [
      "audio"
    ],
    "kind": "audio",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "billing_basis": {
          "basis": "original_invoice_usd",
          "description": "อัตราที่แสดงใช้ประมาณการค่าใช้จ่ายก่อนการสร้างผลลัพธ์ ยอดเรียกเก็บสุดท้ายคำนวณจากค่าใช้จ่ายที่บันทึกไว้สำหรับการสร้างผลลัพธ์ครั้งเดิม ระยะเวลาของผลลัพธ์ที่วัดได้และปริมาณที่คาดการณ์ไว้ไม่ใช่ปริมาณสุดท้ายที่ใช้คิดค่าบริการ",
          "forecast_quantity_is_estimate": true,
          "physical_output_is_billable_quantity": false,
          "version": "original_invoice_usd_v1"
        },
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "เก็บ X-Client-Request-ID ที่ส่งกลับมาไว้เพื่อกระทบยอด อ่านเฉพาะค่า task_id/asset_id ที่ส่งกลับมาจริง หรืออ่านจากคลังสื่อที่เป็นของตนเอง ห้ามสร้าง URL ของงานจาก ID การดำเนินการ และห้ามส่งคำขอสร้างซ้ำเด็ดขาด"
            },
            "outputs": {
              "all_results": "เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ",
              "family": "text",
              "fields": [
                {
                  "description": null,
                  "name": "text",
                  "type": null
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": null
                },
                {
                  "description": null,
                  "name": "segments[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "words[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "speaker fields",
                  "type": null
                },
                {
                  "description": null,
                  "name": "timestamps",
                  "type": null
                }
              ]
            },
            "parameters": [
              {
                "enum": [
                  "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default": "json",
                "default_known": true,
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "required": [
                "model",
                "input_audio"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": true,
              "body": {
                "input_audio": {
                  "data": "${BASE64_ACTUAL_WAV_BYTES}",
                  "format": "wav"
                },
                "model": "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "อ่านไฟล์ WAV จริงและเข้ารหัสไบต์จริงสำหรับ input_audio แบบ JSON ที่ประกาศไว้ ข้อกำหนดที่รองรับเฉพาะ JSON นี้ไม่ได้ระบุเส้นทาง multipart"
            ],
            "material_types": [
              "audio"
            ],
            "required": [
              "model",
              "input_audio"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "text",
            "fields": [
              {
                "description": null,
                "name": "text",
                "type": null
              },
              {
                "description": null,
                "name": "usage",
                "type": null
              },
              {
                "description": null,
                "name": "segments[]",
                "type": null
              },
              {
                "description": null,
                "name": "words[]",
                "type": null
              },
              {
                "description": null,
                "name": "speaker fields",
                "type": null
              },
              {
                "description": null,
                "name": "timestamps",
                "type": null
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.00000666",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.00000666",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "ค่าประมาณนี้ไม่ใช่ค่าใช้จ่ายเพิ่มเติมหรืออัตราคงที่สำหรับการสร้างผลลัพธ์ที่เสร็จสมบูรณ์แล้ว",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "ต้นทุนการสร้างโดยประมาณ",
            "units": [
              {
                "amount": "0.00000666",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00000666",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          },
          {
            "code": "set -eu\n: \"${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.\n",
            "label": "Read existing owned assets",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact caller model ID and documented input representation.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "การถอดเสียง",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "audio_transcriptions",
        "out": null,
        "output": [
          "text"
        ],
        "path": "/v1/audio/transcriptions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "original_invoice_usd",
          "image_input_price": null,
          "image_output_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.00000666",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.00000666",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Estimated generation cost",
            "units": [
              {
                "amount": "0.00000666",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00000666",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}"
        ],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.00000666",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "audio_input_second",
            "label": "input audio second",
            "native_amount_usd_per_unit": "0.00000666",
            "native_quantity": 1,
            "public_unit_label": "per input audio second",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          },
          {
            "amount": "0.00000666",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.00000666",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b",
        "request_model_id": "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b",
        "route_label": "Ultra"
      }
    ],
    "name": "NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B",
    "price": {
      "estimate_only": true,
      "in": null,
      "in_label": null,
      "out": 6.66e-06,
      "out_label": "estimate before generation",
      "scope_label": "Estimated generation cost",
      "sort_in": null,
      "sort_out": 6.66e-06,
      "varies": false
    },
    "short": "Nemotron 3.5 ASR Streaming Multilingual 0.6B ของ NVIDIA ถอดเสียงพูดเป็นข้อความที่มีเครื่องหมายวรรคตอนด้วยตัวเข้ารหัสสตรีมมิงที่รองรับแคช รองรับการกำหนดภาษาอย่างชัดเจนหรือการตรวจจับอัตโนมัติ โดยมี 32 โลแคลที่พร้อมถอดเสียง และอีกแปดโลแคลที่ต้องปรับแต่งเพิ่มเติม"
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Nemotron 3.5 ASR Streaming Multilingual 0.6B ของ NVIDIA ถอดเสียงพูดเป็นข้อความที่มีเครื่องหมายวรรคตอนด้วยตัวเข้ารหัสสตรีมมิงที่รองรับแคช รองรับการกำหนดภาษาอย่างชัดเจนหรือการตรวจจับอัตโนมัติ โดยมี 32 โลแคลที่พร้อมถอดเสียง และอีกแปดโลแคลที่ต้องปรับแต่งเพิ่มเติม",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "01e29a0d8b1f4b209c11d735f6eb6e815d3ec93aa5ccbbeca5ad99f74afe8285",
    "renderer_sha256": "890edb706fafafdd4f598bb324acf65fada58918b0911b97eb80e68be2ef65d9"
  },
  "sourceRevision": "c5ea077c80e1c3a7aedfd652206354bd76ef7ed7d3f376f3a94be0260ca88594"
}