Source: https://ailoot.ai/models/vi/nvidia-parakeet-tdt-0-6b-v3/
Canonical: https://ailoot.ai/models/vi/nvidia-parakeet-tdt-0-6b-v3/
Language: vi

# NVIDIA: Parakeet TDT 0.6B v3

[Markdown](https://ailoot.ai/models/vi/nvidia-parakeet-tdt-0-6b-v3/index.md) · [JSON](https://ailoot.ai/models/vi/nvidia-parakeet-tdt-0-6b-v3/facts.json)

## [NVIDIA: Parakeet TDT 0.6B v3](https://ailoot.ai/models/vi/nvidia-parakeet-tdt-0-6b-v3/)

Parakeet TDT 0.6B v3 của NVIDIA là mô hình chuyển giọng nói thành văn bản có 600 triệu tham số, dành cho 25 ngôn ngữ châu Âu và có khả năng tự động nhận diện ngôn ngữ. Mô hình tạo bản chép lời có dấu câu và hỗ trợ dấu thời gian theo từ, theo đoạn, với các chế độ xử lý âm thanh dài phụ thuộc vào cấu hình chú ý của nhà sản xuất.

- [**Ailoot Ultra · Phiên âm** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/vi/nvidia-parakeet-tdt-0-6b-v3/#method-0)

Về mô hình

Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.

Parakeet TDT 0.6B v3 là mô hình nhận dạng giọng nói đa ngôn ngữ có 600 triệu tham số của NVIDIA. Mô hình mở rộng bản v2 chỉ hỗ trợ tiếng Anh sang 25 ngôn ngữ châu Âu và tự động phát hiện ngôn ngữ của âm thanh mà không cần lời nhắc ngôn ngữ riêng. Kết quả là bản chép lời nói có dấu câu và cách viết hoa.

Các ngôn ngữ được hỗ trợ gồm tiếng Bulgaria, Croatia, Séc, Đan Mạch, Hà Lan, Anh, Estonia, Phần Lan, Pháp, Đức, Hy Lạp, Hungary, Ý, Latvia, Litva, Malta, Ba Lan, Bồ Đào Nha, Romania, Slovakia, Slovenia, Tây Ban Nha, Thụy Điển, Nga và Ukraina. Danh sách này thuộc phiên bản v3; các loại bộ giải mã và biến thể ngôn ngữ Parakeet khác là những mô hình riêng.

Kiến trúc kết hợp bộ mã hóa FastConformer với bộ giải mã transducer dự đoán token và thời lượng. Bộ mã hóa biến tín hiệu âm học thành các biểu diễn; bộ giải mã dự đoán token văn bản cùng thời lượng cần thiết để tiến qua các khung âm thanh. Cách hoạt động TDT này phân biệt mô hình với các bộ giải mã CTC và RNN-T thông thường trong cùng dòng.

Chuẩn bị âm thanh đơn kênh có tần số lấy mẫu 16 kHz. Các định dạng đầu vào trực tiếp của nhà sản xuất là WAV và FLAC, còn ví dụ triển khai sử dụng bộ xử lý để chuẩn bị dạng sóng cho việc nhận dạng. Giữ mã định danh bản ghi và âm thanh gốc cùng với văn bản trả về để có thể kiểm tra bản chép lời hoặc căn chỉnh với nguồn.

Việc tạo dấu thời gian bổ sung thông tin thời gian cho lời nói được nhận dạng. Ví dụ NeMo của NVIDIA trả về thời gian theo ký tự, từ và đoạn khi bật chức năng tạo dấu thời gian. Ứng dụng phụ đề hoặc lưu trữ có thể dùng ranh giới đoạn để liên kết một phần lời nói với bản ghi, hoặc dùng thời gian theo từ để tìm một cụm từ cụ thể. Bản chép lời và các trường thời gian là những phần khác nhau của kết quả và cần được giữ liên kết với nhau.

Với bản ghi dài, cấu hình chú ý có vai trò quan trọng. Nhà sản xuất mô tả khả năng xử lý tối đa 24 phút với cơ chế chú ý toàn phần trên A100 80 GB và tối đa ba giờ với chú ý cục bộ. Ví dụ xử lý bản ghi dài chuyển bộ mã hóa sang chú ý cục bộ với ngữ cảnh bên trái và bên phải có giới hạn. Các thời lượng đó mô tả những cấu hình cụ thể của nhà sản xuất, không phải một giới hạn vô điều kiện áp dụng cho mọi cách triển khai.

Nhà sản xuất cũng công bố quy trình suy luận theo khối cho việc sử dụng dạng luồng. Ví dụ của họ xác định độ dài khối cùng ngữ cảnh âm thanh bên trái và bên phải quanh mỗi khối. Đây là quy trình xử lý riêng, khác với mô hình Nemotron dạng luồng có cơ chế bộ nhớ đệm gốc. Khi tổng hợp bản chép lời của một bản ghi qua nhiều phần, ứng dụng cần giữ lại quy trình đã chọn và mốc thời gian gốc.

Dữ liệu huấn luyện kết hợp 10.000 giờ lời nói được con người chép lại và 660.000 giờ dữ liệu Granary có nhãn giả, giữ nguyên dấu câu và cách viết hoa. Nhà sản xuất cũng hỗ trợ tinh chỉnh checkpoint đã phát hành này trên một tập dữ liệu giọng nói khác theo quy trình mô hình được tài liệu hướng dẫn; checkpoint đã tinh chỉnh vẫn tách biệt với mô hình v3 cơ sở. Vì vậy, đầu ra văn bản của mô hình phù hợp làm giai đoạn chuyển giọng nói thành văn bản trong một quy trình lớn hơn. Kho lưu trữ cuộc họp có thể gắn bản chép lời với bản ghi; ứng dụng tìm kiếm có thể lập chỉ mục phần lời nói được nhận dạng; công cụ phụ đề có thể dùng siêu dữ liệu thời gian trả về.

Chất lượng nhận dạng thay đổi theo ngôn ngữ, giọng địa phương, tiếng ồn và kiểu lời nói. Nhà sản xuất đặc biệt lưu ý rằng từ vựng không xuất hiện trong huấn luyện có thể bị bỏ sót, còn các từ đơn lẻ hoặc câu chưa hoàn chỉnh cung cấp ngữ cảnh yếu hơn. Giữ âm thanh gốc để kiểm tra tên và thuật ngữ chuyên ngành, thay vì biến kết quả nhận dạng chưa chắc chắn thành một sự thật đã được xác minh.

Sản phẩm hữu ích là bản chép lời kèm thông tin thời gian đã yêu cầu. Tóm tắt, dịch thuật, phân tích người nói và thực hiện hành động là những tác vụ riêng của ứng dụng, không phải tính năng được hàm ý bởi tên chuyển giọng nói thành văn bản. Giữ rõ danh tính v3 và chế độ chú ý của nhà sản xuất, phân biệt với các checkpoint khác cũng như các bản chuyển đổi hoặc lượng tử hóa.

**Ailoot Ultra · Phiên âm** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3`

[`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/vi/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&fmt=transcriptions)

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

### Bắt đầu

Parakeet TDT 0.6B v3 của NVIDIA là mô hình chuyển giọng nói thành văn bản có 600 triệu tham số, dành cho 25 ngôn ngữ châu Âu và có khả năng tự động nhận diện ngôn ngữ. Mô hình tạo bản chép lời có dấu câu và hỗ trợ dấu thời gian theo từ, theo đoạn, với các chế độ xử lý âm thanh dài phụ thuộc vào cấu hình chú ý của nhà sản xuất.

Đầu vào được chấp nhận

Âm thanh

Kết quả

Văn bản

### Có trên Ailoot · đầu vào & phương thức

**Ailoot Ultra · Phiên âm** `POST /v1/audio/transcriptions`

Đầu vào

`audio`

Đầu ra

`text`

| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
| --- | --- | --- | --- | --- |
| Trường`model` | Loại`string` | Yêu cầuBắt buộc | Giá trị & giới hạn nvidia/parakeet-tdt-0.6b-v3 | Mặc định— |
| Trường`input_audio` | Loại`object` | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
| Trường`language` | Loại`string` | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
| Trường`temperature` | Loại`number` | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 0 Tối đa: 1 | Mặc định— |
| Trường`response_format` | Loại`string` | Yêu cầuKhông bắt buộc | Giá trị & giới hạn json, verbose\_json | Mặc địnhjson |
| Trường`timestamp_granularities` | Loại`array` | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
| Trường`provider` | Loại`object` | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |

Tham số phương thức và vòng đời

| Tham số | Hợp đồng |
| --- | --- |
| Tham số`content_type` | Hợp đồngapplication/json |
| Tham số`required` | Hợp đồngmodel, input\_audio |
| Tham số`material_types` | Hợp đồngaudio |
| Tham số`material_conditions` | Hợp đồngĐọc tệp WAV thực tế và mã hóa các byte thật cho input\_audio JSON đã khai báo; không quảng bá tuyến multipart cho khai báo chính xác chỉ dùng JSON này. |

Vòng đời: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · Giá trị task\_id thực tế đã trả về hoặc bản ghi trong thư viện nội dung đa phương tiện

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

`GET /v1/media/assets`

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

### Bảng giá

##### Cách tính phí cuối cùng

Các đơn giá hiển thị dùng để ước tính chi phí trước khi tạo. Khoản phí cuối cùng được tính dựa trên chi phí ghi nhận cho lượt tạo gốc. Thời lượng đầu ra đo được và số lượng dự kiến không phải là số lượng cuối cùng dùng để tính phí.

Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.

Chế độ nhanh

Chưa chỉ định Khi chọn chế độ nhanh

Chế độ Flex

Chưa chỉ định Khi chọn chế độ flex

Mức độ suy luận tối đa

Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa

#### Mức phí ước tính để so sánh

#### Giá theo cấu hình

Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.

| Cấu hình | Biểu mức phí | Số lượng dự báo | Đơn vị tính phí | Phí |
| --- | --- | --- | --- | --- |
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Số lượng dự báo— | Đơn vị tính phí— | Phí Đầu vào · Token đầu vào · Ước tính chỉ để so sánh **—** / 1K token Đầu ra · Token đầu ra · Ước tính chỉ để so sánh **—** / 1K token Đầu vào · Đọc bộ nhớ đệm · Ước tính chỉ để so sánh **—** / 1K token Đầu vào · Ghi bộ nhớ đệm · Ước tính chỉ để so sánh **—** / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ · Ước tính chỉ để so sánh **—** / 1K token |
| Cấu hìnhGiây âm thanh đầu vào | Biểu mức phí— | Số lượng dự báo— | Đơn vị tính phímỗi giây âm thanh đầu vào | Phí Đầu vào · Giây âm thanh đầu vào · Ước tính chỉ để so sánh **$0.00005** mỗi giây âm thanh đầu vào |
| Cấu hìnhChi phí tạo ước tính | Biểu mức phí— | Số lượng dự báoước tính cho một lần tạo | Đơn vị tính phí— | Phí Đầu ra · Chi phí tạo ước tính · Ước tính chỉ để so sánh **$0.00005** ước tính trước khi tạo Ước tính này không phải là khoản phí bổ sung hay mức giá cố định cho lượt tạo đã hoàn tất. |

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. [Cách hoạt động của cơ chế tạm giữ và quyết toán →](https://ailoot.ai/docs/vi/billing/reserve/)

### Ví dụ yêu cầu

#### Ailoot Ultra · Phiên âm

curl · nội dung yêu cầu nguyên bản chính xác và kết quả đầy đủ

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'nvidia/parakeet-tdt-0.6b-v3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
```

### Nhận và lưu kết quả

#### Ailoot Ultra · Phiên âm

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

Lượt đọc nội dung khác

Đọc tài nguyên hiện có thuộc về bạn

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
```

##### Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Giữ lại toàn bộ phản hồi và các header, mọi đầu ra thực tế, các định danh gốc đã trả về và mọi trường usage. Khôi phục thao tác gốc mà không gửi lại yêu cầu tạo.

##### Nếu cần kiểm tra phản hồi gốc

Giữ lại X-Client-Request-ID đã trả về để đối soát. Chỉ truy xuất theo các giá trị task\_id/asset\_id thực tế đã trả về hoặc từ thư viện nội dung đa phương tiện thuộc quyền sở hữu của bạn; tuyệt đối không tạo URL tác vụ từ ID thao tác và không gửi lại yêu cầu tạo.

Trường phản hồi

| Trường | Loại |
| --- | --- |
| Trường`text` | Loại |
| Trường`usage` | Loại |
| Trường`segments[]` | Loại |
| Trường`words[]` | Loại |
| Trường`speaker fields` | Loại |
| Trường`timestamps` | Loại |

### Bí danh

#### Bí danh mô hình

**Ailoot Ultra** [`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/vi/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&fmt=transcriptions)

#### Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

#### ID gọi liên quan

[`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/vi/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&fmt=transcriptions)

FAQ · NVIDIA: Parakeet TDT 0.6B v3

Có những đầu vào và kết quả nào?

`POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `audio` → `text`

Yêu cầu sử dụng những trường nào?

`POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider`

Áp dụng những giới hạn nào?

`POST /v1/audio/transcriptions` · `nvidia/parakeet-tdt-0.6b-v3`: `temperature.minimum`: `0`; `temperature.maximum`: `1`

Kết nối Ailoot với Claude Code, OpenCode, Hermes hoặc ứng dụng của bạn.

## Công ty và danh mục dự án của công ty

Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng.

## Mua token với giá ưu đãi.

Ưu đãi thuê bao cho nhu cầu thường xuyên. Mã khuyến mãi giảm đến 50% khi mua token.

Thuê bao

Chọn gói ưu đãi cho các yêu cầu thường xuyên của bạn.

Mã giảm đến 50%

Nhập mã khi mua. Giá được tính lại theo chương trình đang áp dụng.

Chi phí trong lịch sử

Mô hình, token và số tiền được lưu cho mỗi yêu cầu.

[Chọn gói thuê bao](https://ailoot.ai/docs/vi/billing/subscriptions/) · [Xem giá mô hình](https://ailoot.ai/models/vi/)

## Kết nối API vào sản phẩm bạn đang bán.

SaaS, ứng dụng và bot — theo đề nghị giao kết chính thức và thỏa thuận cấp phép Ailoot. Muốn bán lại, hãy yêu cầu giấy phép bán lại.

Ứng dụng thương mại

Tích hợp tạo văn bản, ảnh, video và âm thanh vào các tính năng trả phí của dịch vụ.

Giấy phép bán lại

Gửi mô tả dự án và cách cung cấp quyền truy cập. Yêu cầu điều khoản sử dụng và bán lại bằng văn bản.

Tài liệu trên website

Đề nghị giao kết, thỏa thuận cấp phép và chính sách xử lý dữ liệu có sẵn trước khi kết nối.

[Yêu cầu giấy phép bán lại](mailto:support@ailoot.ai) · [Đề nghị giao kết và thỏa thuận cấp phép](https://ailoot.ai/legal/offer?lang=vi)

## Ailoot · Công ty và danh mục dự án của công ty





Ailoot dựa trên kinh nghiệm vận hành tích lũy, cơ sở khách hàng lớn, dịch vụ ổn định và việc kiểm soát KPI liên tục.





Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng.





Ailoot áp dụng kinh nghiệm vận hành này để cung cấp quyền truy cập API vào các tính năng AI trong sản phẩm của khách hàng, tác tử, ứng dụng và quy trình tự động hóa.