NVIDIA Canary
STT.ai не працуе з гэтай мадэллю — гэтая старонка з'яўляецца спасылкай на інфармацыю пра яе.
Прапісаць з мадэлямі, якія мы запускаем →
3.5%
WER
4
Мовы
45.0x
Хуткасць
CC-BY-4.0
Ліцэнзія
Пра NVIDIA Canary
NVIDIA Canary - гэта мадэль з 1B-параметрамі, якая выдатна працуе з англійскай, нямецкай, французскай і іспанскай транскрыпцыяй. Пабудавана на платформе NeMo, яна выкарыстоўвае кодэр FastConformer з трансфарматарным дэкодэрам і падтрымлівае аўтаматычнае выяўленне і пераклад мовы.
Мовы, якія падтрымліваюцца NVIDIA Canary
Звесткі пра мадэль
- ПастаўшчыкNVIDIA
- Архітэктура-
- ЛіцэнзіяCC-BY-4.0
- АбнавіцьMar 2026
Часта задаваемыя пытанні
NVIDIA Canary - гэта мадэль пераўтварэння мовы ў тэкст, распрацаваная кампаніяй NVIDIA. STT.ai не працуе з NVIDIA Canary - гэтая старонка змяшчае інфармацыю пра мадэль. Для транскрыпцыі на STT.ai, выбіральнік мадэляў прапануе сям' ю Whisper (Turbo, Large V3, Medium, Small).
На стандартных тэставанні, NVIDIA Canary дасягае каля 3.5% Word Error Rate. Рэальная дакладнасць залежыць ад якасці гуку, акцэнту і мовы; для шумных або акцэнтаваных запісаў чакайце на некалькі працэнтных пунктаў вышэй WER.
NVIDIA Canary не даступны на STT.ai. Яго ўласныя ліцэнзійныя ўмовы рэгулююць яго запуск. Бясплатны ўзровень STT.ai ахоплівае мадэлі Whisper, якія мы запускаем - 600 хвілін для запуску, затым штомесячнае бясплатнае дапаўненне.
NVIDIA Canary выпушчаны пад ліцэнзіяй CC-BY-4.0, дазваляе адкрыты код. Вы можаце самастойна ўсталяваць NVIDIA Canary на вашым камп' ютары або выкарыстоўваць нашу версію - абодва могуць быць выкарыстаны ў камерцыйных мэтах.
NVIDIA Canary падтрымлівае 4 моў. Аўтаматычнае выяўленне выбірае правільную мову для большасці гукаў; вы таксама можаце вызначыць яе ўручную для невялікага павышэння дакладнасці.
NVIDIA Canary апрацоўвае аўдыё з хуткасцю 45.0x у рэальным часе на нашых GPU. 1- гадзінны аўдыё файл скончыцца менш чым за 1 хвіліны; даўжэйшыя файлы будуць адпраўляцца ў чаргу і абвяшчаць па электроннай пошце, калі яны будуць завершаны.
NVIDIA Canary мае параметры 1B. Большыя мадэлі больш дакладныя, але павольнейшыя; STT.ai мае NVIDIA Canary на GPU, таму колькасць параметраў не ўплывае на хуткасць працы кліента.
NVIDIA Canary прымае ўсе фарматы, якія падтрымлівае STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI і іншыя. Вывад у фармаце TXT, SRT, VTT, DOCX, JSON або PDF.
Так. Дыярызацыя гукавых файлаў працуе разам з NVIDIA Canary для кожнай транскрыпцыі - кожны гукавы файл мае этыкетку, і вы можаце змяніць яго назву ў рэдактара пасля.
Так. NVIDIA Canary працуе ў нашым кіруемым асяроддзі - гук апрацоўваецца і выдаляецца па змаўчанні і ніколі не выкарыстоўваецца для трэніровак без выразнага дазволу. Планы Pro дадаюць шыфраванне з боку кліента для транскрыптаў у спакоі.
Выкарыстоўвайце інструмент compare-stt, каб правесці параўнанне NVIDIA Canary з любым іншым падтрымліваемым мадэллю на тым жа аўдыё - вы ўбачыце WER, колькасць сегментаў, этыкеткі дынамікаў і рэйтынгі даверу бок аб бок. Параўнанне NVIDIA Canary супраць Whisper Large V3 - гэта найбольш частае параўнанне.
Так. Вызначце "nvidia-canary" як параметр мадэлі ў канечнай кропцы /v1/transcribe. Python і Node.js SDK ўключаюць прыклады NVIDIA Canary. Бясплатны ўзровень API ўключае 100 хвілін / месяц.
Так. Паколькі NVIDIA Canary мае ліцэнзію CC-BY-4.0, вы можаце самастойна яго ўсталяваць. На старонцы адкрытага кода STT.ai паказаны рэпазітары і вагі праекту. Большасць каманд выкарыстаюць нашу ўсталяваную версію, каб прапусціць закупку GPU, абмен мадэлямі і аперацыі.