Nous utilisons des cookies. Les cookies et le stockage du navigateur vous gardent connecté et mémorisent vos préférences. Avec votre accord, nous mesurons aussi l’utilisation du site. Vous pouvez à tout moment. Consultez notre politique relative aux cookies.
nvidia/nemotron-3.5-transcribeUtilise votre solde aux prix indiqués ci-dessus. Les nouveaux comptes démarrent avec une consommation gratuite.
Retranscription
Les résultats apparaîtront ici.
Paramètres
NVIDIA : Nemotron 3.5 Transcribe est un modèle de reconnaissance vocale à poids ouverts de NVIDIA. Il est conçu comme un modèle à mélange d'experts de 30B avec environ 4B de paramètres actifs, ce qui signifie qu'une fraction seulement du total des poids est mobilisée par unité de travail. Il appartient à la catégorie de la transcription, sa finalité est donc étroite et spécifique plutôt que généraliste.
Le modèle prend de l'audio en entrée et produit une transcription en sortie. Il traite des enregistrements d'une durée allant jusqu'à une heure et prend en charge 40 langues. Aucune fenêtre de contexte n'est définie pour ce modèle, ce qui est cohérent avec le travail de transcription : l'unité d'entrée est l'enregistrement audio lui-même plutôt qu'une séquence de tokens que vous assemblez. Il n'y a pas de génération de texte, pas d'appel d'outils et pas de traitement d'images ou de vidéos ici, considérez-le donc purement comme un composant de synthèse vocale à texte dans un pipeline plus large.
Ce profil de capacités indique un ensemble d'usages assez clair. Les enregistrements de longue durée, tels que les captations de réunions, les entretiens, les cours, les podcasts et les enregistrements d'appels, sont le cas d'usage naturel, puisque le plafond d'une heure couvre la plupart des audios d'une seule session sans découpage. La couverture de 40 langues le rend utilisable pour des archives multilingues et pour des équipes qui traitent de l'audio provenant de plusieurs régions. Comme la sortie est une transcription, il s'insère comme première étape d'un flux de travail : transcrire, puis transmettre le texte à un modèle distinct pour le résumé, l'indexation de recherche, la traduction, l'analyse de sentiment ou la revue de conformité. C'est aussi un choix raisonnable lorsque vous voulez un reconnaisseur à poids ouverts que vous pouvez analyser et héberger selon vos propres conditions plutôt qu'un service hébergé fermé.
Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "nvidia/nemotron-3.5-transcribe". Comme l'interface suit la convention OpenAI, les clients et SDK existants fonctionnent avec un changement d'URL de base et d'identifiant de modèle plutôt qu'une réécriture. Le modèle n'expose aucun paramètre de requête configurable, vous envoyez donc votre audio et prenez la transcription telle qu'elle revient ; il n'y a pas de temperature, pas de top_p et aucun contrôle d'échantillonnage similaire à régler. Planifiez votre intégration autour d'une forme de requête fixe.
La principale contrainte à garder en tête est la portée. Ce modèle transcrit et rien d'autre, donc toute tâche qui nécessite un raisonnement sur le texte, de la génération ou une entrée non audio appartient à un autre modèle en aval. Si votre audio dépasse une heure, vous devrez le segmenter avant l'envoi. Et si votre travail est uniquement textuel, un modèle de langage généraliste est plus adapté.
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);
Cette communauté n’a encore aucun sujet. Ouvrez le premier sur NVIDIA: Nemotron 3.5 Transcribe.