Usiamo i cookie. Cookie e memoria del browser ti mantengono connesso e ricordano le tue preferenze. Con il tuo consenso misuriamo anche come viene usato il sito. Puoi in qualsiasi momento. Consulta la nostra cookie policy.
nvidia/nemotron-3.5-transcribeUsa il tuo saldo ai prezzi indicati sopra. I nuovi account partono con utilizzo gratuito.
Impostazioni
NVIDIA: Nemotron 3.5 Transcribe è un modello di riconoscimento vocale open-weight di NVIDIA. È costruito come un modello mixture-of-experts da 30B con circa 4B parametri attivi, il che significa che solo una frazione dei pesi totali viene impegnata per unità di lavoro. Si colloca nella categoria della trascrizione, quindi il suo scopo è ristretto e specifico anziché general purpose.
Il modello prende l'audio come input e produce una trascrizione come output. Gestisce registrazioni fino a un'ora di durata e supporta 40 lingue. Per questo modello non è definita alcuna context window, il che è coerente con il lavoro di trascrizione: l'unità di input è la registrazione audio stessa, non una sequenza di token che si assembla. Qui non c'è generazione di testo, né tool calling, né gestione di immagini o video, quindi trattalo puramente come un componente speech-to-text all'interno di una pipeline più ampia.
Questa forma di capacità indica un insieme di utilizzi abbastanza chiaro. Le registrazioni long-form, come catture di riunioni, interviste, lezioni, podcast e registrazioni di chiamate, sono il caso d'uso naturale, dato che il limite di un'ora copre la maggior parte dell'audio di una singola sessione senza suddivisioni. La copertura di 40 lingue lo rende utilizzabile per archivi multilingue e per team che elaborano audio proveniente da più di una regione. Poiché l'output è una trascrizione, si inserisce come primo stadio di un workflow: trascrivi, poi passa il testo a un modello separato per riassunto, indicizzazione per la ricerca, traduzione, analisi del sentiment o revisione di conformità. È anche una scelta ragionevole quando vuoi un recognizer open-weight che puoi comprendere e ospitare alle tue condizioni, anziché un servizio hosted chiuso.
Lo chiami tramite l'API OpenAI-compatible di api14 usando il model id "nvidia/nemotron-3.5-transcribe". Poiché l'interfaccia segue la convenzione OpenAI, i client e gli SDK esistenti funzionano con un cambio di base URL e model id, senza riscritture. Il modello non espone parametri di richiesta configurabili, quindi invii l'audio e prendi la trascrizione così come ritorna; non ci sono temperature, top_p o controlli di campionamento simili da regolare. Pianifica l'integrazione attorno a una forma di richiesta fissa.
Il vincolo principale da tenere a mente è l'ambito. Questo modello trascrive e nient'altro, quindi qualsiasi attività che richieda ragionamento sul testo, generazione o input non audio appartiene a un modello diverso a valle. Se il tuo audio supera un'ora, dovrai segmentarlo prima di inviarlo. E se il tuo lavoro è solo testo, un modello linguistico general purpose è la scelta migliore.
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);
Questa community non ha ancora discussioni. Apri la prima su NVIDIA: Nemotron 3.5 Transcribe.