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

# NVIDIA: Parakeet TDT 0.6B v3

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

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

NVIDIA 的 Parakeet TDT 0.6B v3 是支援 25 種歐洲語言的 600M 語音轉文字模型，具備自動語言偵測功能。它會產生附有標點的逐字稿，並支援單字與片段時間戳記；長音訊模式則取決於製造商的注意力設定。

- [**Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/zh-hant-tw/nvidia-parakeet-tdt-0-6b-v3/#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。

Parakeet TDT 0.6B v3 是 NVIDIA 具有六億參數的多語言語音辨識模型。它將僅支援英語的 v2 模型擴充至 25 種歐洲語言，並能自動偵測音訊中的語言，無須另行提供語言提示。結果是包含標點與大小寫的語音逐字稿。

支援的語言包括保加利亞語、克羅埃西亞語、捷克語、丹麥語、荷蘭語、英語、愛沙尼亞語、芬蘭語、法語、德語、希臘語、匈牙利語、義大利語、拉脫維亞語、立陶宛語、馬爾他語、波蘭語、葡萄牙語、羅馬尼亞語、斯洛伐克語、斯洛維尼亞語、西班牙語、瑞典語、俄語及烏克蘭語。此清單屬於 v3 版本；其他 Parakeet 解碼器類型及語言變體是不同的模型。

架構結合 FastConformer 編碼器與 token 及持續時間轉導器解碼器。編碼器將聲學訊號轉成表示向量；解碼器預測文字 token，同時預測在音訊影格中向前推進所需的持續時間。這種 TDT 行為使它與同系列的 CTC 及一般 RNN-T 解碼器有所區別。

請準備取樣率為 16 kHz 的單聲道音訊。製造商直接支援的輸入格式為 WAV 及 FLAC，其實作範例使用處理器先整理波形，再進行辨識。請將錄音識別碼與原始音訊連同回傳文字一起保留，以便核對逐字稿，或讓逐字稿與來源對齊。

時間戳記會為辨識出的語音加入時間資訊。啟用時間戳記生成時，NVIDIA 的 NeMo 範例會回傳字元、單字及片段的時間資訊。字幕或典藏應用程式可以使用片段邊界，將一段文字連結至錄音；也可以利用單字時間資訊定位特定語句。逐字稿與時間欄位是結果中不同的部分，應保持彼此關聯。

處理長錄音時，注意力設定很重要。製造商說明，在 80 GB A100 上使用完整注意力時，最長可處理 24 分鐘；使用局部注意力時，最長可處理三小時。其長音訊範例會將編碼器切換為局部注意力，並限制左、右上下文。這些時間長度描述的是製造商特定設定，不是適用於所有部署的無條件統一上限。

製造商也發布了用於串流的分塊推論工作流程。範例會定義區塊長度，以及每個區塊前後的左、右音訊上下文。此處理方法與原生具快取感知能力的 Nemotron 串流模型不同。應用程式分段彙整一份錄音的逐字稿時，應保留所選方法及原始時間參照。

訓練資料混合了 10,000 小時人工轉錄語音，以及 660,000 小時帶有偽標籤的 Granary 資料，並保留標點與大小寫。製造商也支援透過文件所載的模型工作流程，在另一個語音資料集上微調此已釋出的檢查點；微調後的檢查點仍與基礎 v3 模型不同。因此，模型的文字輸出適合作為更大工作流程中的語音轉文字階段。會議典藏可以將逐字稿附於錄音；搜尋應用程式可以為辨識出的段落建立索引；字幕工具則可以使用回傳的時間中繼資料。

辨識品質會隨語言、口音、雜訊及語音類型而變化。製造商特別指出，訓練中未涵蓋的詞彙可能無法辨識，孤立單字或不完整句子提供的上下文也較弱。請保留原始音訊，以便複查姓名與專業術語，避免將不確定的辨識結果當成已驗證的事實。

實用的產物是逐字稿及所要求的時間資訊。摘要、翻譯、說話者分析及執行動作都是獨立的應用程式任務，並非「語音轉文字」這個名稱所隱含的功能。請將 v3 身分及製造商的注意力模式，與其他檢查點、轉換後的產物及量化產物分開看待。

**Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `nvidia/parakeet-tdt-0.6b-v3`

[`nvidia/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/zh-hant-tw/#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`

### 入門

NVIDIA 的 Parakeet TDT 0.6B v3 是支援 25 種歐洲語言的 600M 語音轉文字模型，具備自動語言偵測功能。它會產生附有標點的逐字稿，並支援單字與片段時間戳記；長音訊模式則取決於製造商的注意力設定。

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/parakeet-tdt-0.6b-v3 | 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 **$0.00005** 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 **$0.00005** 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/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.
```

### 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/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fparakeet-tdt-0.6b-v3&route=Ultra&caller=nvidia%2Fparakeet-tdt-0.6b-v3&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/parakeet-tdt-0.6b-v3`](https://ailoot.ai/models/zh-hant-tw/#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

可以使用哪些輸入與結果？

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

請求使用哪些欄位？

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

適用哪些限制？

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