Transkribieren mit NVIDIA Canary
3.5%
WER
4
Languages
45.0x
Speed
CC-BY-4.0
License
Über NVIDIA Canary
NVIDIA Canary is a 1B parameter model that excels at English, German, French, and Spanish transcription. Built on the NeMo framework, it uses a FastConformer encoder with a transformer decoder and supports automatic language detection and translation.
Model Info
- ProviderNVIDIA
- Architecture-
- LicenseCC-BY-4.0
- UpdatedMar 2026
Häufig gestellte Fragen
NVIDIA Canary ist ein Sprach-zu-Text-Modell von NVIDIA. STT.ai Hosts NVIDIA Canary auf unserer GPU-Infrastruktur, so dass Sie es ohne Bereitstellung Ihrer eigenen Hardware nutzen können – laden Sie Audio oder Video hoch und wählen Sie NVIDIA Canary vom Modellpicker.
Auf Standard-Benchmarks erreicht NVIDIA Canary rund 3.5% Word Error Rate. Real-Welt-Genauigkeit hängt von Audio-Qualität, Akzent und Sprache; für laute oder akzentuierte Aufnahmen, erwarten ein paar Prozentpunkte höher WER.
NVIDIA Canary läuft auf STT.ai's Free-Tier - jeder Besucher erhält 600 Minuten/Monat ohne Kosten. Bezahlte Pläne fügen mehr pro-Datei Grenzen, private Transkripte, und Priorität Warteschlange.
NVIDIA Canary wird unter CC-BY-4.0 veröffentlicht, einer permissiven Open-Source-Lizenz. Sie können NVIDIA Canary auf Ihrer eigenen Hardware selbst hosten oder unsere gehostete Version verwenden – beide sind kommerziell nutzbar.
NVIDIA Canary unterstützt 4 Sprachen. Auto-Erkennung wählt die richtige Sprache für die meisten Audio-; Sie können es auch manuell für einen kleinen Genauigkeitsheber angeben.
NVIDIA Canary verarbeitet Audio bei ca. 45.0x Echtzeit auf unseren GPUs. Eine 1-stündige Audiodatei endet in weniger als 1 Minuten; längere Dateien stehen Schlange und benachrichtigen per E-Mail, wenn getan.
NVIDIA Canary hat 1B Parameter. Größere Modelle neigen dazu, genauer, aber langsamer zu sein; STT.ai Hosts NVIDIA Canary auf GPU, so dass die Parameteranzahl Ihre clientseitige Leistung nicht beeinflusst.
NVIDIA Canary akzeptiert jedes Format STT.ai unterstützt — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI und andere. Ausgabe als TXT, SRT, VTT, DOCX, JSON oder PDF.
Ja. Die Lautsprecherdiarisierung läuft bei jeder Transkription neben NVIDIA Canary – jeder Lautsprecher ist beschriftet und Sie können sie anschließend im Editor umbenennen.
Ja. NVIDIA Canary läuft in unserer verwalteten Umgebung – Audio wird standardmäßig verarbeitet und gelöscht und nie ohne explizites Opt-In zum Training verwendet. Pro-Pläne fügen Client-seitige Verschlüsselung für Transkripte in Ruhe hinzu.
Verwenden Sie das Vergleichs-stt-Tool, um NVIDIA Canary gegen jedes andere unterstützte Modell auf dem gleichen Audio laufen zu lassen – Sie sehen WER, Segmentanzahl, Lautsprecheretiketten und Konfidenzwerte nebeneinander. Der NVIDIA Canary vs Whisper Large V3 Vergleich ist der am häufigsten ausgeführte.
Ja. Geben Sie "nvidia-canary" als Modellparameter auf dem Endpunkt /v1/transcribe an. Python und Node.js SDKs enthalten NVIDIA Canary Beispiele. Freie API-Ebene enthält 100 Minuten/Monat.
Ja. Da NVIDIA Canary CC-BY-4.0-lizenziert ist, können Sie es selbst hosten. STT.ai Open-Source-Seite listet die Projekt-Repo und Gewichte. Die meisten Produktionsteams verwenden unsere gehostete Version, um GPU Beschaffung, Modell-Swaps und Ops überspringen.