Deepgram: Nova-3

Deepgram Nova-3 ist ein Speech-to-Text-Modell von Deepgram, gelistet auf api14 unter der Modell-ID deepgram/nova-3. Es befindet sich in der Kategorie Transkription, und Deepgram beschreibt es als ein Allzweck-Speech-to-Text-Modell mit Unterstützung für monolinguale und multilinguale Transkription. Wenn Ihre Anwendung gesprochene Sprache aus Aufnahmen oder Streams in geschriebenen Text umwandeln soll, ist dies die Art von Modell, für die der Anbieter es entwickelt hat.

Das Modell nimmt Audio als Eingabe und gibt eine Transkription als Ausgabe zurück. Das ist die gesamte Form der Schnittstelle: Sie senden Audio, Sie erhalten Text zurück. Die Anbieterbeschreibung hebt monolinguale und multilinguale Transkription hervor, es kann also Sprache in einer einzelnen Sprache sowie Material verarbeiten, das mehr als eine Sprache umfasst. Für dieses Modell ist keine Kontextfenstergröße angegeben, und die maximale Ausgabe ist mit null angegeben, planen Sie also rund um das Transkriptionsergebnis selbst und nicht rund um ein Token-Budget im Chat-Stil.

Da die einzige Eingabe Audio und die einzige Ausgabe eine Transkription ist, ergeben sich die praktischen Verwendungen direkt. Sie können Nova-3 verwenden, um Transkripte von Besprechungen, Interviews, Sprachnotizen, Podcasts oder Anrufaufzeichnungen zu erstellen. Die multilinguale Unterstützung macht es passend für Teams, deren Audio nicht durchgehend in einer Sprache vorliegt, zum Beispiel Kundengespräche oder Feldaufnahmen, die Sprachen mischen. Die zurückgegebenen Transkripte können dann alles speisen, was in Ihrer Pipeline als Nächstes kommt, etwa Suchindizierung, Zusammenfassung durch ein separates Textmodell oder Speicherung zur Überprüfung.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID deepgram/nova-3 auf. Da der Endpunkt dem OpenAI-Format folgt, können Sie einen vorhandenen OpenAI-Client auf api14 richten und Ihr Audio zur Transkription senden, ohne Ihre Integration umzuschreiben. Das Modell listet keine unterstützten Parameter auf, gehen Sie also nicht davon aus, dass Tuning-Optionen wie temperature oder benutzerdefinierte Prompt-Felder verfügbar sind; senden Sie das Audio und verlassen Sie sich auf die Standardwerte, die das Gateway anwendet. Prüfen Sie die aktuelle Preistabelle auf der Seite auf die derzeitigen Tarife, bevor Sie sich auf eine Arbeitslast festlegen.

Ein Punkt, den es abzuwägen gilt, ist der Umfang. Nova-3 ist ein Transkriptionsmodell, kein allgemeines Text- oder Reasoning-Modell. Wenn Ihre Aufgabe also das Generieren, Bearbeiten oder Analysieren von Text ist statt der Umwandlung von Sprache in Text, passt ein Textmodell besser. Wenn Ihr Audio in einer Sprache oder einer Mischung von Sprachen vorliegt, die außerhalb dessen liegt, was der Anbieter unterstützt, überprüfen Sie die Ergebnisse an einem Beispiel, bevor Sie es ausrollen. Für einfache Speech-to-Text-Arbeit ist die Modell-ID deepgram/nova-3 die richtige Wahl.