Source: https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/ Canonical: https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/ Language: zh-hant-tw # NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B [Markdown](https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/facts.json) ## [NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B](https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/) NVIDIA 的 Nemotron 3.5 ASR Streaming Multilingual 0.6B 使用具快取感知能力的串流編碼器，將語音轉錄為附有標點的文字。它支援明確指定語言條件或自動偵測，其中 32 個語言地區可直接轉錄，另有八個需要調適。 - [**Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-5-asr-streaming-multilingual-0-6b/#method-0) 關於模型 此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。 Nemotron 3.5 ASR Streaming Multilingual 0.6B 是 NVIDIA 具有六億參數的語音辨識模型，可用於即時轉錄及錄製音訊工作負載。它在英語串流系列的基礎上，加入語言識別條件訊號。語音會轉成與輸入語言相同的文字，輸出內建標點與大小寫處理。 製造商將語言涵蓋範圍分為三個層級。十九個可直接轉錄的語言地區涵蓋美國與英國英語、美國與西班牙西班牙語、法國與加拿大法語、義大利語、巴西與葡萄牙葡萄牙語、荷蘭語、德語、土耳其語、俄語、阿拉伯語、印地語、日語、韓語、越南語及烏克蘭語。十三個廣泛涵蓋的語言地區另外包括波蘭語、瑞典語、捷克語、挪威博克馬爾語、丹麥語、保加利亞語、芬蘭語、克羅埃西亞語、斯洛伐克語、華語、匈牙利語、羅馬尼亞語及愛沙尼亞語。這 32 個語言地區都能在無須額外微調的情況下產生轉錄結果。 另外八個可進行調適的語言地區為希臘語、立陶宛語、拉脫維亞語、馬爾他語、斯洛維尼亞語、希伯來語、泰語及挪威新挪威語。分詞器能辨識這些語言，但必須使用領域內資料進行微調，才能啟用完整轉錄。因此，製造商所說的 40 個語言地區，不代表四十個都具有相同的開箱即用能力。客製化檢查點是與基礎模型不同的產物。 架構結合了二十四層、具快取感知能力的 FastConformer 編碼器與 RNN-T 解碼器。它會保留先前影格的編碼器注意力及卷積狀態，並在處理每個新音訊區塊時，避免反覆重新計算重疊視窗。語言識別訊號與聲學表示一同提供，用來指定逐字稿的語言條件，或讓模型推斷語言。 NVIDIA 的 NeMo 設定文件記載了 80、160、320、560 及 1120 毫秒的區塊大小。注意力設定控制每個區塊在輸出文字前能取得多少未來音訊，讓任務可以在等待時間與聲學上下文之間取得平衡。這些是製造商的串流設定，並非有保證的端到端回應時間；實作可以只提供其中部分支援設定。 請依製造商處理器的 16 kHz 取樣率準備單聲道 WAV 音訊。已知語言時，請使用相應的語言地區條件設定；自動模式則會偵測口語語言。基礎管線範例預設使用美國英語提示，因此應刻意設定多語言行為，避免直接從該範例推定它已啟用。 在自動模式中，製造商的工作流程可以在逐字稿結尾標點後附加語言標籤。保留標籤，可讓處理混合語言流量的應用程式取得語言資訊；移除標籤則會回傳純淨的逐字稿文字。顯示或處理結果時，請保留辨識文字、文字標點及此語言中繼資料之間的區別。 字幕應用程式可以按順序輸入音訊、收集逐字稿，並將完成的文字用於顯示或下游處理。語音應用程式可以將辨識出的語音文字傳至語言理解階段。通話分析工作可以將原始錄音與逐字稿一起保留，使姓名、數字及不熟悉的術語仍可供檢視。ASR 模型提供逐字稿；摘要、執行動作及語音生成則是應用程式的其他階段。 NVIDIA 使用公共及專有語音資料的混合資料訓練此模型，包含人工與合成標籤，並將標籤正規化為附有標點及正確大小寫的文字。其調適指南強調語言標籤與文字風格的一致性，再以預定使用的串流設定評估保留的測試音訊。指南描述語言、口音及領域調適，並未將這些客製化結果視為原始檢查點的特性。 模型卡將實際可處理的錄音長度連結至可用記憶體，而非公布統一適用的時間上限。請將多語言版本與僅支援英語的模型分開看待，並將所選語言及串流設定與轉錄結果一起保留。輸出產物是辨識出的文字，以及可選擇保留的製造商語言中繼資料，而非一般對話回答。 **Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b` [`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&route=Ultra&caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&fmt=transcriptions) NVIDIA /`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b` ### 入門 NVIDIA 的 Nemotron 3.5 ASR Streaming Multilingual 0.6B 使用具快取感知能力的串流編碼器，將語音轉錄為附有標點的文字。它支援明確指定語言條件或自動偵測，其中 32 個語言地區可直接轉錄，另有八個需要調適。 接受的輸入 音訊 結果 文字 ### Ailoot 可用 · 輸入與方法 **Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` 輸入 `audio` 輸出 `text` | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b | 預設值— | | 欄位`input_audio` | 類型`object` | 要求必填 | 值與限制 | 預設值— | | 欄位`language` | 類型`string` | 要求選填 | 值與限制 | 預設值— | | 欄位`temperature` | 類型`number` | 要求選填 | 值與限制 最小值: 0 最大值: 1 | 預設值— | | 欄位`response_format` | 類型`string` | 要求選填 | 值與限制 json, verbose\_json | 預設值json | | 欄位`timestamp_granularities` | 類型`array` | 要求選填 | 值與限制 | 預設值— | | 欄位`provider` | 類型`object` | 要求選填 | 值與限制 | 預設值— | 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`content_type` | 規格application/json | | 參數`required` | 規格model, input\_audio | | 參數`material_types` | 規格audio | | 參數`material_conditions` | 規格請讀取實際的 WAV 檔案，並將其真實位元組編碼，用於所宣告的 JSON input\_audio；此確切的純 JSON 宣告並未提供 multipart 路由。 | 生命週期： `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · 實際回傳的 task\_id 或媒體庫紀錄 `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### 方案 ##### 最終費用的計算方式 顯示的費率用於在生成前估算費用。最終費用依原始生成作業記錄的成本計算。實測的輸出時間長度與預估數量並非最終計費數量。 費率資訊不會增加請求選項。支援的參數列於所選方法中。 快速模式 未指定 選取快速模式時 flex 模式 未指定 選取 flex 模式時 最高推理強度 未指定 最高推理強度採用 default 調整值時 #### 供比較的預估費率 #### 各設定的價格 請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。 | 設定 | 費率表 | 預估數量 | 計費單位 | 費用 | | --- | --- | --- | --- | --- | | 設定基礎 token 費率 | 費率表基本費率 | 預估數量— | 計費單位— | 費用 輸入 · 輸入 Token · 僅供比較的估算 **—** / 1K Token 輸出 · 輸出 Token · 僅供比較的估算 **—** / 1K Token 輸入 · 讀取快取 · 僅供比較的估算 **—** / 1K Token 輸入 · 寫入快取 · 僅供比較的估算 **—** / 1K Token 輸入 · 寫入快取，1 小時 · 僅供比較的估算 **—** / 1K Token | | 設定輸入音訊秒數 | 費率表— | 預估數量— | 計費單位每秒輸入音訊 | 費用 輸入 · 輸入音訊秒數 · 僅供比較的估算 **$0.00000666** 每秒輸入音訊 | | 設定預估生成費用 | 費率表— | 預估數量單次生成估算值 | 計費單位— | 費用 輸出 · 預估生成費用 · 僅供比較的估算 **$0.00000666** 生成前估算 此估算並非額外費用，也不是本次生成完成後的固定費率。 | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · 語音轉文字 curl · 精確的原生請求主體與完整結果 ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b', 'input_audio': {'data': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### 接收並儲存結果 #### Ailoot Ultra · 語音轉文字 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` 其他內容讀取方式 讀取現有且屬於自己的素材 ```bash set -eu : "${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. ``` ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 保留完整回應與標頭、所有實際輸出、原始回傳的識別碼，以及所有用量欄位。恢復原始作業時，請勿再次提交建立請求。 ##### 需要檢查原始回應時 保留回傳的 X-Client-Request-ID，以供核對。僅讀取實際回傳的 task\_id/asset\_id 值或自己擁有的媒體庫；請勿以作業 ID 組成任務 URL，也請勿重新提交建立請求。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`text` | 類型 | | 欄位`usage` | 類型 | | 欄位`segments[]` | 類型 | | 欄位`words[]` | 類型 | | 欄位`speaker fields` | 類型 | | 欄位`timestamps` | 類型 | ### 別名 #### 模型別名 **Ailoot Ultra** [`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&route=Ultra&caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&fmt=transcriptions) #### 方法路徑別名 請使用上方列出的 API 方法路徑。 #### 相關呼叫用 ID [`nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&route=Ultra&caller=nvidia%2Fnemotron-3.5-asr-streaming-multilingual-0.6b&fmt=transcriptions) FAQ · NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B 可以使用哪些輸入與結果？ `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `audio` → `text` 請求使用哪些欄位？ `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` 適用哪些限制？ `POST /v1/audio/transcriptions` · `nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b`: `temperature.minimum`: `0`; `temperature.maximum`: `1` 將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。 ## 公司及其專案組合 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 ## 優惠購買 token。 訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。 訂閱 為定期請求選擇優惠方案。 最高 50% 折扣碼 購買時輸入代碼，價格依活動重算。 歷史中的費用 每次請求保存模型、token 與金額。 [選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/) ## 將 API 加入 你銷售的產品。 依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。 商用應用程式 在付費功能加入文字、圖片、影片與聲音生成。 經銷授權 提供專案說明與存取方式，要求書面使用和轉售條件。 網站文件 串接前可閱讀正式服務條款、授權合約與資料處理政策。 [申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw) ## Ailoot · 公司及其專案組合 Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。