Deepgram: Nova-3

Deepgram Nova-3 är en tal-till-text-modell från Deepgram, listad på api14 under modell-id deepgram/nova-3. Den tillhör kategorin transkription, och Deepgram beskriver den som en allmän tal-till-text-modell med stöd för både enspråkig och flerspråkig transkription. Om din applikation behöver omvandla inspelat eller strömmat tal till skriven text, är det här den typ av modell som leverantören byggde den för.

Modellen tar ljud som indata och returnerar en transkription som utdata. Det är hela formen på gränssnittet: du skickar ljud, du får text tillbaka. Leverantörens beskrivning lyfter fram enspråkig och flerspråkig transkription, så den kan hantera tal på ett enda språk såväl som material som spänner över mer än ett. Det finns ingen siffra för kontextfönster listad för den här modellen, och maximal utdata är listad som noll, så planera kring själva transkriptionsresultatet snarare än kring en tokenbudget i chattstil.

Eftersom den enda indatan är ljud och den enda utdatan är en transkription, följer de praktiska användningsområdena direkt. Du kan använda Nova-3 för att producera transkriptioner av möten, intervjuer, röstmeddelanden, poddar eller samtalsinspelningar. Flerspråkigt stöd gör den lämplig för team vars ljud inte allt är på ett och samma språk, till exempel kundsamtal eller fältinspelningar som blandar språk. Transkriptionerna den returnerar kan sedan mata det som kommer härnäst i din pipeline, såsom sökindexering, sammanfattning av en separat textmodell, eller lagring för granskning.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id deepgram/nova-3. Eftersom slutpunkten följer OpenAI-formatet kan du peka en befintlig OpenAI-klient mot api14 och skicka ditt ljud för transkription utan att skriva om din integration. Modellen listar inga parametrar som stöds, så anta inte att justeringsalternativ som temperature eller anpassade promptfält är tillgängliga; skicka ljudet och förlita dig på de standardvärden som gatewayen tillämpar. Kontrollera den aktuella pristabellen på sidan för gällande priser innan du binder dig till en arbetsbelastning.

En sak att väga in är omfattningen. Nova-3 är en transkriptionsmodell, inte en allmän text- eller resonemangsmodell, så om din uppgift är att generera, redigera eller analysera text snarare än att omvandla tal till text, passar en textmodell bättre. Om ditt ljud är på ett språk eller en blandning av språk utanför vad leverantören stöder, verifiera resultaten på ett urval innan du rullar ut det. För enkelt tal-till-text-arbete är modell-id deepgram/nova-3 det du ska använda.