Kami menggunakan cookie. Cookie dan penyimpanan browser menjaga Anda tetap masuk dan mengingat preferensi Anda. Dengan izin Anda, kami juga mengukur cara situs digunakan. Anda dapat kapan saja. Lihat kebijakan cookie kami.
nvidia/nemotron-3.5-transcribeBerjalan dengan saldo Anda sesuai harga di atas. Akun baru mendapat pemakaian gratis.
Pengaturan
NVIDIA: Nemotron 3.5 Transcribe adalah model pengenalan suara berbobot terbuka dari NVIDIA. Model ini dibangun sebagai model mixture-of-experts 30B dengan sekitar 4B parameter aktif, yang berarti hanya sebagian kecil dari total bobot yang digunakan per unit kerja. Model ini berada dalam kategori transkripsi, sehingga tujuannya sempit dan spesifik, bukan serbaguna.
Model ini menerima audio sebagai input dan menghasilkan transkripsi sebagai output. Model ini menangani rekaman hingga panjang satu jam dan mendukung 40 bahasa. Tidak ada context window yang didefinisikan untuk model ini, yang konsisten dengan pekerjaan transkripsi: unit input adalah rekaman audio itu sendiri, bukan urutan token yang Anda susun. Tidak ada text generation, tidak ada tool calling, dan tidak ada penanganan gambar atau video di sini, jadi perlakukan ini murni sebagai komponen speech-to-text dalam pipeline yang lebih besar.
Bentuk kapabilitas seperti itu mengarah pada serangkaian penggunaan yang cukup jelas. Rekaman berdurasi panjang, seperti rekaman rapat, wawancara, kuliah, podcast, dan rekaman panggilan, adalah yang paling cocok, karena batas satu jam mencakup sebagian besar audio sesi tunggal tanpa perlu dipotong. Cakupan 40 bahasa membuatnya dapat digunakan untuk arsip multibahasa dan untuk tim yang memproses audio dari lebih dari satu wilayah. Karena outputnya adalah transkripsi, model ini masuk sebagai tahap pertama dari alur kerja: transkripsikan, lalu teruskan teks ke model terpisah untuk peringkasan, pengindeksan pencarian, terjemahan, analisis sentimen, atau tinjauan kepatuhan. Model ini juga merupakan pilihan yang wajar ketika Anda menginginkan pengenal berbobot terbuka yang dapat Anda pahami dan host sesuai ketentuan Anda sendiri, bukan layanan hosted tertutup.
Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "nvidia/nemotron-3.5-transcribe". Karena antarmukanya mengikuti konvensi OpenAI, klien dan SDK yang ada dapat bekerja dengan mengubah base URL dan model id, bukan menulis ulang. Model ini tidak mengekspos parameter permintaan yang dapat dikonfigurasi, jadi Anda mengirim audio Anda dan menerima transkripsi apa adanya; tidak ada temperature, tidak ada top_p, dan tidak ada kontrol sampling serupa untuk disetel. Rencanakan integrasi Anda dengan bentuk permintaan yang tetap.
Batasan utama yang perlu diingat adalah cakupan. Model ini hanya mentranskripsikan dan tidak melakukan hal lain, jadi tugas apa pun yang memerlukan penalaran atas teks, generasi, atau input non-audio menjadi tanggung jawab model lain di hilir. Jika audio Anda melebihi satu jam, Anda perlu membaginya sebelum mengirim. Dan jika pekerjaan Anda hanya teks, model bahasa umum adalah pilihan yang lebih baik.
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);
Komunitas ini belum memiliki topik. Buka topik pertama tentang NVIDIA: Nemotron 3.5 Transcribe.