Deepgram: Nova-3

Deepgram Nova-3 es un modelo de voz a texto de Deepgram, listado en api14 bajo el id de modelo deepgram/nova-3. Se encuentra en la categoría de transcripción, y Deepgram lo describe como un modelo de voz a texto de propósito general con soporte de transcripción tanto monolingüe como multilingüe. Si tu aplicación necesita convertir voz grabada o transmitida en texto escrito, este es el tipo de modelo para el que el proveedor lo construyó.

El modelo toma audio como entrada y devuelve una transcripción como salida. Esa es toda la forma de la interfaz: envías audio, recibes texto de vuelta. La descripción del proveedor destaca la transcripción monolingüe y multilingüe, por lo que puede manejar voz en un solo idioma así como material que abarca más de uno. No hay una cifra de ventana de contexto listada para este modelo, y la salida máxima se lista como cero, así que planifica en torno al propio resultado de la transcripción en lugar de en torno a un presupuesto de tokens de estilo chat.

Debido a que la única entrada es audio y la única salida es una transcripción, los usos prácticos se derivan directamente. Puedes usar Nova-3 para producir transcripciones de reuniones, entrevistas, notas de voz, pódcasts o grabaciones de llamadas. El soporte multilingüe lo hace adecuado para equipos cuyo audio no está todo en un solo idioma, por ejemplo llamadas de clientes o grabaciones de campo que mezclan idiomas. Las transcripciones que devuelve pueden luego alimentar lo que venga después en tu canal de procesamiento, como indexación de búsqueda, resumen por un modelo de texto separado, o almacenamiento para revisión.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo deepgram/nova-3. Debido a que el endpoint sigue el formato de OpenAI, puedes apuntar un cliente de OpenAI existente a api14 y enviar tu audio para transcripción sin reescribir tu integración. El modelo no lista parámetros soportados, así que no asumas que opciones de ajuste como temperature o campos de prompt personalizados están disponibles; envía el audio y confía en los valores predeterminados que aplica la pasarela. Consulta la tabla de precios en vivo en la página para tarifas actuales antes de comprometerte con una carga de trabajo.

Una cosa a sopesar es el alcance. Nova-3 es un modelo de transcripción, no un modelo de texto general o de razonamiento, así que si tu tarea es generar, editar o analizar texto en lugar de convertir voz a texto, un modelo de texto encajará mejor. Si tu audio está en un idioma o mezcla de idiomas fuera de lo que soporta el proveedor, verifica los resultados en una muestra antes de desplegarlo. Para trabajo directo de voz a texto, el id de modelo deepgram/nova-3 es el que hay que usar.