NVIDIA Canary
STT.ai ne pokreće ovaj model - ova stranica je referentna informacija o njemu.
Prepisivati sa modelima koje radimo →
3.5%
WER
4
Jezici
45.0x
Brzina
CC-BY-4.0
Licenca
O meni NVIDIA Canary
NVIDIA Canary je 1B parametar model koji se ističe u engleskom, njemačkom, francuskom i španskom transkripciji. izgrađen na NeMo okviru, koristi FastConformer enkoder sa transformatorskim dekoderom i podržava automatsko otkrivanje jezika i prevođenje.
Informacije o modelu
- ProviderNVIDIA
- Arhitektura-
- LicencaCC-BY-4.0
- AžuriranoMar 2026
Često postavljana pitanja
NVIDIA Canary je model govora-u-tekst od strane NVIDIA. STT.ai trenutno ne pokreće NVIDIA Canary — ova stranica je referentna informacija o modelu. Za transkripciju na STT.ai, birač modela nudi Whisper porodicu (Turbo, Large V3, Medium, Small).
Na standardnim benchmarkima, NVIDIA Canary postiže oko 3.5% stope greške riječi. realna tačnost zavisi od kvaliteta zvuka, naglaska i jezika; za bučne ili naglašene snimke, očekujte nekoliko postotnih bodova više WER.
NVIDIA Canary nije dostupan na STT.ai. Njegovi vlastiti licencni uvjeti upravljaju njegovim pokretanjem. STT.ai-in besplatni nivo pokriva Whisper modele koje mi pokrećemo - 600 minuta za početak, zatim mjesečno besplatno nadopunjavanje.
NVIDIA Canary je objavljen pod CC-BY-4.0, dozvoljenom licencom otvorenog koda.Možete sami hostati NVIDIA Canary na svom hardveru ili koristiti našu hosted verziju — obje su komercijalno upotrebljive.
NVIDIA Canary podržava 4 jezika. Automatsko otkrivanje bira ispravan jezik za većinu audio; također ga možete ručno odrediti za malo povećanje tačnosti.
NVIDIA Canary obrađuje audio na oko 45.0x real-time na našim GPU-ovima. 1-satna audio datoteka završava za manje od 1 minuta; dulje datoteke čekaju i obavještavaju e-mailom kada je završeno.
NVIDIA Canary ima 1B parametra. Veći modeli imaju tendenciju da budu precizniji ali sporiji; STT.ai hosta NVIDIA Canary na GPU tako da broj parametara ne utječe na performanse klijenta.
NVIDIA Canary prihvaća svaki format koji podržava STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI i drugi. izlaz kao TXT, SRT, VTT, DOCX, JSON, ili PDF.
Da. Diarizacija govornika radi zajedno sa NVIDIA Canary za svaku transkripciju - svaki govornik je označen i možete ih preimenovati u editoru kasnije.
Da. NVIDIA Canary radi u našoj upravljanoj okolini — audio se obrađuje i briše po zadanim postavkama i nikada se ne koristi za trening bez eksplicitnog uključivanja. Pro planovi dodaju šifriranje na strani klijenta za transkripte u mirovanju.
Koristite compare-stt alat da pokrenete NVIDIA Canary protiv bilo kojeg drugog podržanog modela na istom audio — vidjet ćete WER, broj segmenata, oznake zvučnika, i pouzdanost ocjena jedan pored drugog. NVIDIA Canary vs Whisper Large V3 usporedba je najčešća.
Da. Navedite "nvidia-canary" kao modelni parametar na /v1/transcribe krajnjoj tački. Python i Node.js SDK-ovi uključuju NVIDIA Canary primjere. Besplatni API nivo uključuje 100 minuta/mjesečno.
Da. Budući da je NVIDIA Canary licenciran za CC-BY-4.0, možete ga sami postaviti. Stranica otvorenog koda za STT.ai navodi projektni repozitorij i težine. Većina produkcijskih timova koristi našu verziju za preskakanje nabavke GPU-a, zamjene modela i operacija.