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。
NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B
nvidia/nemotron-3.5-asr-streaming-multilingual-0.6bNVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6Bを今すぐ試す
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。
文字起こし結果
ここに結果が表示されます。
設定
NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6Bの概要
- 入力料金は文字起こしモデル28件の中央値より94%安くなっています。
NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6Bについて
NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B は、NVIDIA の音声認識モデルです。Nemotron 3.5 ファミリーに属し、api14 を通じてモデル id nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b で配布されています。その設計は汎用的なテキスト生成ではなく自動音声認識を中心としているため、チャットモデルではなく専用の文字起こしコンポーネントとして理解するのが最適です。
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生成します。そのアーキテクチャは prompt-conditioned かつ cache-aware な FastConformer-RNNT 設計であり、低遅延のストリーミング認識向けに構築されています。多言語対応で 40 以上の言語を対象としており、ストリーミング動作により、完全な録音が利用可能になってからだけでなく、音声が到着するにつれて逐次的に文字起こしできます。このモデルについてトークン単位のコンテキスト長は公開されておらず、最大出力はゼロと記載されています。これは、その出力が通常の意味でのトークン予算ではなく文字起こしストリームであることを反映しています。
これらの特性は、かなり特定的な用途群を示しています。リアルタイム字幕は最も明確に適合します。ストリーミング設計は、発話がまだ進行中にテキストを出力することを意図しているためです。同じことは、会議、放送、または完全なファイルを待つのでは遅すぎるあらゆる音声フィード向けのライブ文字起こしにも当てはまります。このモデルは 40 以上の言語をカバーしているため、多言語の視聴者にサービスを提供し、言語ごとに 1 つのモデルではなく単一の認識コンポーネントを必要とするアプリケーションにも適しています。音声入力を下流システムに渡す前にテキストへ変換する必要がある音声インターフェースも、もう 1 つの自然な用途です。
このモデルは、モデル id nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b を使用して、api14 の OpenAI 互換 API を通じて呼び出します。インターフェースは OpenAI 形式に従っているため、すでにその形式を対象としている既存のクライアントや SDK は、書き直しなしで api14 に向けることができます。このモデルは音声入力を受け取り、文字起こしを返します。このモデルでサポートされているリクエストパラメータは記載されていないため、temperature、top_p などのサンプリング制御が利用可能であると想定しないでください。音声を送信し、文字起こしを読み戻してください。
専用の ASR モデルがアプリケーションに必要かどうかを確認する価値があります。このモデルはテキスト入力を受け取らず、一般的なテキスト補完も生成しないため、文字起こしの要約、それに関する質問への回答、翻訳などのタスクには、下流に別の言語モデルが必要です。音声がサポート対象言語のいずれでもない場合、または text-in, text-out モデルが必要な場合は、api14 上の別のモデルの方がより適しています。
NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B APIの呼び出し方
- ダッシュボードでAPIキーを作成します。
- お使いの言語の公式openai SDKをインストールします。
- baseURLをhttps://api14.com/api/v1に、modelを"nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b"に設定します。
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: "nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b",
file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);
仕様
- 入力
- audio
- 出力
- transcription
api14でのリクエスト数 · 過去7日間
NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B：よくある質問
- NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B APIの料金は？
- NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6Bの料金は音声 $0.000699 / 分です。USD残高から差し引かれるのは成功したリクエストのみで、失敗したリクエストは無料です。
- NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6Bで何ができますか？
- NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6Bはaudioを入力として受け付け、transcriptionを返します。
- コードからNVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6Bを呼び出すには？
- 任意のOpenAI SDKの接続先をhttps://api14.com/api/v1にして、modelを"nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b"に設定するだけです。他のコード変更は不要です。このページのコードパネルからすぐ使える例をコピーできます。
- NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6Bの代替モデルは？
- 同程度の料金の文字起こしモデル：Qwen: Qwen3 ASR 0.6B, OpenAI: Whisper Large V3 Turbo, OpenAI: GPT-4o Transcribe。どれも同じAPIキーで動くので、文字列を1つ変えるだけで切り替えられます。
NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6Bコミュニティ
新しいトピックこのコミュニティにはまだトピックがありません。NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6Bについて最初のトピックを立てましょう。