Wir verwenden Cookies. Cookies und Browserspeicher halten Sie angemeldet und merken sich Ihre Einstellungen. Mit Ihrer Zustimmung messen wir außerdem, wie die Website genutzt wird. Sie können jederzeit . Siehe unsere Cookie-Richtlinie.
nvidia/nemotron-3.5-transcribeLäuft über Ihr Guthaben zu den oben genannten Preisen. Neue Konten starten mit kostenloser Nutzung.
Einstellungen
NVIDIA: Nemotron 3.5 Transcribe ist ein Open-Weight-Spracherkennungsmodell von NVIDIA. Es ist als 30B-Mixture-of-Experts-Modell mit ungefähr 4B aktiven Parametern aufgebaut, was bedeutet, dass pro Arbeitseinheit nur ein Bruchteil der gesamten Gewichte aktiviert wird. Es gehört zur Kategorie Transkription, sein Zweck ist also eng und spezifisch statt allgemein.
Das Modell nimmt Audio als Eingabe und erzeugt eine Transkription als Ausgabe. Es verarbeitet Aufnahmen mit einer Länge von bis zu einer Stunde und unterstützt 40 Sprachen. Für dieses Modell ist kein Kontextfenster definiert, was mit Transkriptionsarbeit übereinstimmt: Die Eingabeeinheit ist die Audioaufnahme selbst und nicht eine Token-Sequenz, die Sie zusammenstellen. Es gibt hier keine Textgenerierung, kein Tool Calling und keine Bild- oder Videoverarbeitung, behandeln Sie es also rein als Speech-to-Text-Komponente in einer größeren Pipeline.
Diese Form der Fähigkeit deutet auf eine ziemlich klare Gruppe von Anwendungen hin. Langformaufnahmen wie Meeting-Mitschnitte, Interviews, Vorlesungen, Podcasts und Anrufaufzeichnungen passen natürlich, da die Obergrenze von einer Stunde die meisten Audioaufnahmen einer einzelnen Sitzung ohne Aufteilung abdeckt. Die Abdeckung von 40 Sprachen macht es nutzbar für mehrsprachige Archive und für Teams, die Audio aus mehr als einer Region verarbeiten. Da die Ausgabe eine Transkription ist, fügt es sich als erste Stufe eines Workflows ein: transkribieren, dann den Text an ein separates Modell für Zusammenfassung, Suchindexierung, Übersetzung, Sentiment-Analyse oder Compliance-Prüfung weitergeben. Es ist auch eine vernünftige Wahl, wenn Sie einen Open-Weight-Erkenner möchten, den Sie nachvollziehen und zu Ihren eigenen Bedingungen hosten können, statt eines geschlossenen gehosteten Dienstes.
Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "nvidia/nemotron-3.5-transcribe" auf. Da die Schnittstelle der OpenAI-Konvention folgt, funktionieren bestehende Clients und SDKs mit einer Änderung von Base-URL und Modell-ID statt einer Neufassung. Das Modell bietet keine konfigurierbaren Anfrageparameter, Sie senden also Ihr Audio und nehmen die Transkription so, wie sie zurückkommt; es gibt keine Temperature, kein top_p und keine ähnliche Sampling-Steuerung zum Abstimmen. Planen Sie Ihre Integration um eine feste Anfrageform herum.
Die wichtigste Einschränkung, die Sie im Hinterkopf behalten sollten, ist der Umfang. Dieses Modell transkribiert und nichts anderes, jede Aufgabe, die Reasoning über den Text, Generierung oder Nicht-Audio-Eingabe erfordert, gehört also zu einem anderen Modell downstream. Wenn Ihr Audio eine Stunde überschreitet, müssen Sie es vor dem Senden segmentieren. Und wenn Ihre Arbeit nur Text betrifft, ist ein allgemeines Sprachmodell die bessere Wahl.
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);
In dieser Community gibt es noch keine Themen. Eröffnen Sie das erste zu NVIDIA: Nemotron 3.5 Transcribe.