Deepgram: Nova-3

Deepgram Nova-3 è un modello speech-to-text di Deepgram, elencato su api14 con l'id modello deepgram/nova-3. Si colloca nella categoria transcription, e Deepgram lo descrive come un modello speech-to-text general-purpose con supporto alla trascrizione sia monolingue sia multilingue. Se la tua applicazione deve trasformare parlato registrato o in streaming in testo scritto, questo è il tipo di modello per cui il provider lo ha costruito.

Il modello prende l'audio come input e restituisce una trascrizione come output. Questa è l'intera forma dell'interfaccia: invii audio, ricevi testo indietro. La descrizione del provider evidenzia la trascrizione monolingue e multilingue, quindi può gestire parlato in una singola lingua così come materiale che ne attraversa più di una. Non è indicata alcuna cifra di context window per questo modello, e l'output massimo è elencato come zero, quindi pianifica intorno al risultato della trascrizione stesso anziché intorno a un budget di token in stile chat.

Poiché l'unico input è l'audio e l'unico output è una trascrizione, gli usi pratici ne conseguono direttamente. Puoi usare Nova-3 per produrre trascrizioni di riunioni, interviste, note vocali, podcast o registrazioni di chiamate. Il supporto multilingue lo rende adatto a team i cui audio non sono tutti in una sola lingua, per esempio chiamate con clienti o registrazioni sul campo che mescolano lingue. Le trascrizioni che restituisce possono poi alimentare qualunque cosa venga dopo nella tua pipeline, come l'indicizzazione per la ricerca, la summarisation tramite un modello di testo separato, o l'archiviazione per la revisione.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando l'id modello deepgram/nova-3. Poiché l'endpoint segue il formato OpenAI, puoi puntare un client OpenAI esistente su api14 e inviare il tuo audio per la trascrizione senza riscrivere la tua integrazione. Il modello non elenca parametri supportati, quindi non dare per scontato che siano disponibili opzioni di tuning come temperature o campi prompt personalizzati; invia l'audio e affidati ai default applicati dal gateway. Controlla la tabella dei prezzi live sulla pagina per le tariffe correnti prima di impegnarti su un carico di lavoro.

Un aspetto da valutare è l'ambito. Nova-3 è un modello di trascrizione, non un modello di testo o di ragionamento generale, quindi se il tuo compito è generare, modificare o analizzare testo anziché convertire parlato in testo, un modello di testo sarà più adatto. Se il tuo audio è in una lingua o in un mix di lingue al di fuori di ciò che il provider supporta, verifica i risultati su un campione prima di distribuirlo. Per un lavoro speech-to-text diretto, l'id modello deepgram/nova-3 è quello da usare.