Usamos cookies. Cookies e o armazenamento do navegador mantêm você conectado e lembram suas preferências. Com sua permissão, também medimos como o site é usado. Você pode a qualquer momento. Veja nossa política de cookies.
nvidia/nemotron-3.5-transcribeUsa o seu saldo, aos preços acima. Novas contas começam com uso grátis.
Configurações
NVIDIA: Nemotron 3.5 Transcribe é um modelo de reconhecimento de fala de pesos abertos da NVIDIA. É construído como um modelo de mistura de especialistas de 30B com aproximadamente 4B de parâmetros ativos, o que significa que apenas uma fração do total de pesos é acionada por unidade de trabalho. Ele se enquadra na categoria de transcrição, portanto seu propósito é restrito e específico, e não de uso geral.
O modelo recebe áudio como entrada e produz uma transcrição como saída. Ele lida com gravações de até uma hora de duração e oferece suporte a 40 idiomas. Nenhuma janela de contexto é definida para este modelo, o que é consistente com o trabalho de transcrição: a unidade de entrada é a própria gravação de áudio, e não uma sequência de tokens que você monta. Não há geração de texto, não há chamada de ferramentas e não há tratamento de imagem ou vídeo aqui, então trate-o puramente como um componente de fala para texto em um pipeline maior.
Esse formato de capacidade aponta para um conjunto bastante claro de usos. Gravações de longa duração, como capturas de reuniões, entrevistas, palestras, podcasts e gravações de chamadas, são o encaixe natural, já que o teto de uma hora cobre a maioria dos áudios de sessão única sem necessidade de divisão. A cobertura de 40 idiomas o torna utilizável para arquivos multilíngues e para equipes que processam áudio de mais de uma região. Como a saída é uma transcrição, ele se encaixa como o primeiro estágio de um fluxo de trabalho: transcrever, depois passar o texto para um modelo separado para sumarização, indexação de busca, tradução, análise de sentimento ou revisão de conformidade. Também é uma escolha razoável quando você quer um reconhecedor de pesos abertos que você possa analisar e hospedar nos seus próprios termos, em vez de um serviço fechado hospedado.
Você o chama através da API compatível com OpenAI da api14 usando o id de modelo "nvidia/nemotron-3.5-transcribe". Como a interface segue a convenção da OpenAI, clientes e SDKs existentes funcionam com uma mudança de URL base e id de modelo, em vez de uma reescrita. O modelo não expõe parâmetros de requisição configuráveis, então você envia seu áudio e aceita a transcrição como ela volta; não há temperature, não há top_p e nenhum controle de amostragem semelhante para ajustar. Planeje sua integração em torno de um formato de requisição fixo.
A principal restrição a ter em mente é o escopo. Este modelo transcreve e nada mais, então qualquer tarefa que precise de raciocínio sobre o texto, geração ou entrada que não seja áudio pertence a um modelo diferente a jusante. Se seu áudio exceder uma hora, você precisará segmentá-lo antes de enviar. E se seu trabalho for apenas texto, um modelo de linguagem geral é o encaixe melhor.
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);
Esta comunidade ainda não tem tópicos. Abra o primeiro sobre NVIDIA: Nemotron 3.5 Transcribe.