نستخدم ملفات تعريف الارتباط. تُبقيك ملفات تعريف الارتباط وتخزين المتصفح مسجّلًا للدخول وتتذكر تفضيلاتك. وبإذنك نقيس أيضًا كيفية استخدام الموقع. يمكنك في أي وقت. راجع سياسة ملفات تعريف الارتباط.
nvidia/nemotron-3.5-transcribeيعمل من رصيدك بالأسعار أعلاه. تبدأ الحسابات الجديدة باستخدام مجاني.
الإعدادات
NVIDIA: Nemotron 3.5 Transcribe هو نموذج تعرف على الكلام مفتوح الأوزان من NVIDIA. وهو مبني كنموذج خليط خبراء بحجم 30B مع نحو 4B معاملات نشطة، مما يعني أن جزءا فقط من إجمالي الأوزان يُستخدم لكل وحدة عمل. وهو يقع في فئة النسخ النصي، لذا فإن غرضه ضيق ومحدد وليس عاما.
يأخذ النموذج الصوت كمدخل وينتج نسخا نصيا كمخرج. وهو يتعامل مع تسجيلات يصل طولها إلى ساعة واحدة ويدعم 40 لغة. لم تُعرَّف نافذة سياق لهذا النموذج، وهذا متسق مع عمل النسخ النصي: وحدة الإدخال هي التسجيل الصوتي نفسه وليس تسلسل رموز تقوم بتجميعه. لا يوجد توليد نص، ولا استدعاء أدوات، ولا معالجة صور أو فيديو هنا، لذا تعامل معه بوصفه مكونا للتحويل من الكلام إلى نص في خط معالجة أكبر.
يشير هذا الشكل من القدرات إلى مجموعة استخدامات واضحة إلى حد ما. التسجيلات الطويلة، مثل تسجيلات الاجتماعات والمقابلات والمحاضرات والبودكاست وتسجيلات المكالمات، هي الاستخدام الطبيعي، لأن سقف الساعة الواحدة يغطي معظم الصوت لجلسة واحدة دون تقسيم. وتغطية 40 لغة تجعله قابلا للاستخدام مع الأرشيفات متعددة اللغات وللفرق التي تعالج صوتا من أكثر من منطقة. ولأن المخرج هو نسخ نصي، فإنه يندرج كمرحلة أولى في سير عمل: انسخ، ثم مرر النص إلى نموذج منفصل للتلخيص أو الفهرسة للبحث أو الترجمة أو تحليل المشاعر أو مراجعة الامتثال. وهو أيضا خيار معقول عندما تريد مُعرِّفا مفتوح الأوزان يمكنك فهمه واستضافته بشروطك بدلا من خدمة مستضافة مغلقة.
يمكنك استدعاؤه عبر واجهة api14 المتوافقة مع OpenAI باستخدام معرِّف النموذج "nvidia/nemotron-3.5-transcribe". ولأن الواجهة تتبع اصطلاح OpenAI، فإن العملاء ومجموعات أدوات التطوير الحالية تعمل بتغيير عنوان URL الأساسي ومعرِّف النموذج بدلا من إعادة الكتابة. لا يعرض النموذج أي معاملات طلب قابلة للتهيئة، لذا ترسل الصوت وتأخذ النسخ النصي كما يعود؛ لا يوجد temperature ولا top_p ولا أي تحكم مشابه في أخذ العينات يمكن ضبطه. خطط للتكامل حول شكل طلب ثابت.
القيد الرئيسي الذي يجب تذكره هو النطاق. هذا النموذج ينسخ ولا شيء غير ذلك، لذا فإن أي مهمة تحتاج إلى استدلال على النص أو توليد أو إدخال غير صوتي تنتمي إلى نموذج آخر في المرحلة التالية. وإذا تجاوز صوتك ساعة واحدة، فستحتاج إلى تقسيمه قبل الإرسال. وإذا كان عملك نصيا فقط، فإن نموذج لغوي عام هو الخيار الأنسب.
import fs from "node:fs";
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.audio.transcriptions.create({
model: "nvidia/nemotron-3.5-transcribe",
file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);
لا توجد مواضيع في هذا المجتمع بعد. افتح أول موضوع عن NVIDIA: Nemotron 3.5 Transcribe.