NVIDIA Canary
STT.ai не стартира този модел – тази страница е референтна информация за него.
Преписвай с моделите, които управляваме. →
3.5%
WER
4
Езици
45.0x
Скорост
CC-BY-4.0
Лицензация
За NVIDIA Canary
NVIDIA Canary е модел на 1B параметър, който превъзхожда на английски, немски, френскиспански транскрипция. Изграден на NeMo рамката, той използва FastConformer кодер с трансформатор декодер и поддържа автоматично откриване и превод на езика.
Информация за модела
- ДоставчикNVIDIA
- Архитектура-
- ЛицензацияCC-BY-4.0
- ОбновеноMar 2026
Често задавани въпроси
NVIDIA Canary е модел за реч към текст от NVIDIA. STT.ai не работи в момента NVIDIA Canary — тази страница е референтна информация за модела. За транскриптиране на STT.ai, моделът избирач предлага на семейство Whisper (Turbo, Large V3, Medium, Small).
По стандартни бенчмаркове NVIDIA Canary достига около 3.5% Word Error Rate. Real-world точност зависи от качеството на звука, акцента и езика; за шумни или акцентирани записи, очакват няколко процентни пункта по-висока WER.
NVIDIA Canary не е на разположение на STT.ai. Лицензирането на нейните собствени условия за управление на ръководството. STT.ai безплатно ниво покрива модели Whisper, които работим — 600 минути за начало, след това месечен безплатно топ-up.
NVIDIA Canary е освободен под CC-BY-4.0, допустим лиценз за отворен източник. Можете да се самоприемате NVIDIA Canary на своя собствен хардуер или да използвате нашата хостинг версия - и двете са търговски приложими.
NVIDIA Canary поддържа 4 езика. Автоматично откриване избира правилния език за повечето аудио; можете да го ръчно посочите и за малък асансьор за точност.
NVIDIA Canary процеси аудио на около 45.0x в реално време на нашите GPU. 1-часов аудио файл завършва в под 8802 минути; по-дълги файлове редица и уведомяване по имейл, когато се направи.
NVIDIA Canary има 8802 параметри. По-големите модели са по-точни, но по-бавни; STT.ai домакини NVIDIA Canary на GPU, така че броят на параметрите не влияе на производителността на вашия клиент.
NVIDIA Canary приема всеки формат STT.ai поддръжки — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI и др. Изход като TXT, SRT, VTT, DOCX, JSON или PDF.
Да. Диагностикацията на спикера се движи до NVIDIA Canary за всяка транскрипция — всеки говорител е етикетиран и можете да ги преименувате в редактора след това.
Да. NVIDIA Canary ходове в нашата управлявана среда — аудио се обработва и изтрива по подразбиране и никога не се използва за обучение без изрично оптимизиране. Про планове добавят клиент-страна шифриране за транскрипти в почивка.
Използвайте инструмента за сравнение, за да стартирате NVIDIA Canary срещу всеки друг подкрепен модел на един и същ звук – ще видите WER, сегмент брой, говорител етикети и доверителни резултати странично дострани. NVIDIA Canary спрямо Whisper Large V3 сравнението е най-често извършено.
Да. Определяте "nvidia-canary" като параметр за модела на точката /v1/transcribe. Python и Node.js SDKs включват NVIDIA Canary примери. Free API низ включва 100 минути/месечно.
Да. Тъй като NVIDIA Canary е 8802-лицензиран, можете да го самостоятелно домакин. STT.ai на отворения източник страница изброява репо и тежести на проекта. Повечето производствени екипи използват нашата хостинг версия, за да пропуснат GPU поръчки, смяна на модели и операции.