Cookieを使用しています. Cookieとブラウザストレージは、ログイン状態の維持と設定の保存に使われます。許可いただいた場合は、サイトの利用状況も計測します。はいつでも変更できます。詳しくはCookieポリシーをご覧ください。
初めてですか？使い方をご紹介します プレイグラウンド、モデル、APIキーを1分でご案内します。
Cookieを使用しています. Cookieとブラウザストレージは、ログイン状態の維持と設定の保存に使われます。許可いただいた場合は、サイトの利用状況も計測します。はいつでも変更できます。詳しくはCookieポリシーをご覧ください。
moondream/parakeet-ultra上記の料金で残高から差し引かれます。新規アカウントには無料利用分があります。
設定
Moondream: Parakeet Ultra は Moondream の音声テキスト変換モデルです。これは NVIDIA の Parakeet TDT 0.6B v3 をポストトレーニングしたバージョンで、ベースモデルと同じアーキテクチャ、トークナイザー、および 0.6B のパラメータ数を維持しています。ポストトレーニングは文字起こしの精度を対象としており、基になったモデルと比較して Open ASR ベンチマークの単語誤り率を低減します。
このモデルは音声を入力として受け取り、文字起こしを出力として返します。文字起こしカテゴリに属するため、その役割は会話的な応答を生成したり他のメディアタイプを処理したりすることではなく、話された音声を書き言葉のテキストに変換することです。このモデルについて公開されているコンテキストウィンドウの数値はありません。
このモデルは純粋に文字起こしのために作られているため、ユースケースはそこから直接導かれます。音声をテキストに変換する必要があるアプリケーションに適しています。録音された音声へのキャプション付け、会議やインタビューの文字起こしの作成、および話されたコンテンツを下流のテキストベースのパイプラインに供給することなどです。開発者が Parakeet TDT 0.6B v3 の設計を継承したコンパクトな音声テキスト変換コンポーネントを必要とするあらゆる場面で、このモデルは候補となります。
これはモデル id "moondream/parakeet-ultra" を使用して、api14 の OpenAI 互換 API を通じて呼び出します。インターフェースが OpenAI 形式に従っているため、既存の OpenAI クライアントライブラリを api14 に向けて、文字起こしのために音声を送信できます。このモデルはサポートされるリクエストパラメータを公開していないため、リクエストは temperature や top_p などの調整可能なオプションではなく、デフォルトに依存します。
タスクがテキスト生成、推論、または画像入力を含む場合、このモデルは適していません。音声のみを受け取り、文字起こしのみを生成するからです。また、調整可能なパラメータを持たないことも注目に値します。デコード動作を細かく制御する必要がある場合は、それらのパラメータを公開するモデルの方が適しています。OpenAI 互換のワークフロー内で単純な音声テキスト変換を行う場合、これは焦点を絞った選択肢です。
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);
このコミュニティにはまだトピックがありません。Moondream: Parakeet Ultraについて最初のトピックを立てましょう。