हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
moondream/parakeet-ultraऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
सेटिंग्स
मूनड्रीम: पैराकीट अल्ट्रा, मूनड्रीम का एक स्पीच-टू-टेक्स्ट मॉडल है। यह NVIDIA के पैराकीट TDT 0.6B v3 का पोस्ट-ट्रेंड संस्करण है, जो बेस मॉडल के समान आर्किटेक्चर, टोकनाइज़र और 0.6B पैरामीटर संख्या बनाए रखता है। पोस्ट-ट्रेनिंग का काम ट्रांसक्रिप्शन सटीकता को लक्षित करता है, जो उस मॉडल की तुलना में Open ASR बेंचमार्क पर वर्ड एरर रेट को कम करता है जिस पर इसे बनाया गया है।
मॉडल इनपुट के रूप में ऑडियो लेता है और आउटपुट के रूप में ट्रांसक्रिप्शन लौटाता है। यह ट्रांसक्रिप्शन श्रेणी में आता है, इसलिए इसका काम बोले गए ऑडियो को लिखित टेक्स्ट में बदलना है, न कि संवादात्मक उत्तर उत्पन्न करना या अन्य मीडिया प्रकारों को संभालना। इस मॉडल के लिए कोई कॉन्टेक्स्ट विंडो आंकड़ा प्रकाशित नहीं है।
चूंकि मॉडल विशुद्ध रूप से ट्रांसक्रिप्शन के लिए बनाया गया है, उपयोग के मामले सीधे उसी से निकलते हैं। यह उन अनुप्रयोगों के लिए उपयुक्त है जिन्हें ऑडियो को टेक्स्ट में बदलने की आवश्यकता होती है: रिकॉर्ड किए गए भाषण को कैप्शन देना, मीटिंग या इंटरव्यू के ट्रांसक्रिप्ट बनाना, और बोले गए कंटेंट को डाउनस्ट्रीम टेक्स्ट-आधारित पाइपलाइनों में फीड करना। जहां भी किसी डेवलपर को एक कॉम्पैक्ट स्पीच-टू-टेक्स्ट कंपोनेंट की आवश्यकता होती है जो पैराकीट TDT 0.6B v3 डिज़ाइन को विरासत में लेता है, यह मॉडल एक उम्मीदवार है।
आप इसे मॉडल आईडी "moondream/parakeet-ultra" का उपयोग करके api14 के OpenAI-संगत API के माध्यम से कॉल करते हैं। चूंकि इंटरफ़ेस OpenAI प्रारूप का अनुसरण करता है, आप मौजूदा OpenAI क्लाइंट लाइब्रेरीज़ को api14 की ओर इंगित कर सकते हैं और ट्रांसक्रिप्शन के लिए ऑडियो भेज सकते हैं। मॉडल कोई समर्थित रिक्वेस्ट पैरामीटर उजागर नहीं करता, इसलिए रिक्वेस्ट temperature या top_p जैसे ट्यून करने योग्य विकल्पों के बजाय डिफ़ॉल्ट पर निर्भर करती हैं।
यदि आपके कार्य में टेक्स्ट जनरेशन, रीज़निंग, या इमेज इनपुट शामिल है, तो यह मॉडल उपयुक्त नहीं है, क्योंकि यह केवल ऑडियो स्वीकार करता है और केवल ट्रांसक्रिप्शन उत्पन्न करता है। यह भी ध्यान देने योग्य है कि इसमें कोई समायोज्य पैरामीटर नहीं है, इसलिए यदि आपको डिकोडिंग व्यवहार पर बारीक नियंत्रण चाहिए, तो ऐसा मॉडल आपके लिए बेहतर होगा जो उन पैरामीटरों को उजागर करता हो। OpenAI-संगत वर्कफ़्लो के भीतर सीधे स्पीच-टू-टेक्स्ट के लिए, यह एक केंद्रित विकल्प है।
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: "moondream/parakeet-ultra",
file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);
इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Moondream: Parakeet Ultra के बारे में पहला टॉपिक खोलें।