Deepgram: Nova-3

Deepgram Nova-3, Deepgram का एक speech-to-text मॉडल है, जो api14 पर मॉडल id deepgram/nova-3 के अंतर्गत सूचीबद्ध है। यह transcription श्रेणी में आता है, और Deepgram इसे एक सामान्य-उद्देश्य वाला speech-to-text मॉडल बताता है जिसमें monolingual और multilingual दोनों तरह के transcription समर्थन हैं। यदि आपके एप्लिकेशन को रिकॉर्ड किए गए या स्ट्रीम किए गए speech को लिखित टेक्स्ट में बदलने की आवश्यकता है, तो यह उसी तरह के काम के लिए बनाया गया मॉडल है।

मॉडल इनपुट के रूप में audio लेता है और आउटपुट के रूप में transcription लौटाता है। इंटरफ़ेस की पूरी बनावट यही है: आप audio भेजते हैं, आपको टेक्स्ट वापस मिलता है। प्रदाता के विवरण में monolingual और multilingual transcription का उल्लेख है, इसलिए यह एक ही भाषा के speech के साथ-साथ ऐसी सामग्री भी संभाल सकता है जो एक से अधिक भाषाओं में फैली हो। इस मॉडल के लिए कोई context window आंकड़ा सूचीबद्ध नहीं है, और अधिकतम आउटपुट शून्य के रूप में सूचीबद्ध है, इसलिए chat-शैली के token बजट के बजाय transcription परिणाम को ध्यान में रखकर योजना बनाएं।

चूंकि एकमात्र इनपुट audio है और एकमात्र आउटपुट transcription है, व्यावहारिक उपयोग सीधे इसी से निकलते हैं। आप Nova-3 का उपयोग मीटिंग, इंटरव्यू, वॉइस नोट, पॉडकास्ट या कॉल रिकॉर्डिंग के transcripts बनाने के लिए कर सकते हैं। multilingual समर्थन इसे उन टीमों के लिए उपयुक्त बनाता है जिनका audio पूरी तरह एक भाषा में नहीं होता, उदाहरण के लिए ग्राहक कॉल या फील्ड रिकॉर्डिंग जिनमें भाषाएं मिली-जुली होती हैं। फिर यह जो transcripts लौटाता है, वे आपकी pipeline में आगे आने वाली किसी भी चीज़ को feed कर सकते हैं, जैसे search indexing, किसी अलग text मॉडल द्वारा summarisation, या समीक्षा के लिए भंडारण।

आप मॉडल को api14 के OpenAI-संगत API के माध्यम से मॉडल id deepgram/nova-3 का उपयोग करके कॉल करते हैं। चूंकि endpoint OpenAI प्रारूप का पालन करता है, आप एक मौजूदा OpenAI client को api14 की ओर इंगित कर सकते हैं और अपने integration को फिर से लिखे बिना transcription के लिए अपना audio भेज सकते हैं। मॉडल कोई समर्थित parameters सूचीबद्ध नहीं करता, इसलिए यह न मानें कि temperature या custom prompt फ़ील्ड जैसे tuning विकल्प उपलब्ध हैं; audio भेजें और gateway द्वारा लागू किए गए defaults पर भरोसा करें। किसी workload के लिए प्रतिबद्ध होने से पहले मौजूदा दरों के लिए पृष्ठ पर लाइव मूल्य तालिका देखें।

विचार करने वाली एक बात scope है। Nova-3 एक transcription मॉडल है, सामान्य text या reasoning मॉडल नहीं, इसलिए यदि आपका काम speech को text में बदलने के बजाय टेक्स्ट उत्पन्न करना, संपादित करना या विश्लेषण करना है, तो एक text मॉडल बेहतर फिट होगा। यदि आपका audio किसी ऐसी भाषा या भाषाओं के मिश्रण में है जो प्रदाता के समर्थन से बाहर है, तो इसे रोल आउट करने से पहले किसी नमूने पर परिणाम सत्यापित करें। सीधे speech-to-text काम के लिए, मॉडल id deepgram/nova-3 ही उपयोग करने वाला है।