NVIDIA Canary
STT.ai no ejecuta este modelo. Esta página es información de referencia sobre él.
Transcribir con los modelos que ejecutamos →
3.5%
WER
4
Idiomas
45.0x
Velocidad
CC-BY-4.0
Licencia
Acerca de NVIDIA Canary
NVIDIA Canary es un modelo de parámetro 1B que sobresale en la transcripción en inglés, alemán, francés y español. Construido en el marco de NeMo, utiliza un codificador FastConformer con un decodificador de transformadores y soporta la detección y traducción automática del lenguaje.
Información del modelo
- ProveedorNVIDIA
- Arquitectura-
- LicenciaCC-BY-4.0
- ActualizadoMar 2026
Preguntas frecuentes
NVIDIA Canary es un modelo de habla a texto de NVIDIA. STT.ai no funciona actualmente NVIDIA Canary — esta página es información de referencia sobre el modelo. Para la transcripción en STT.ai, el modelo de selector ofrece la familia Whisper (Turbo, Large V3, Medium, Small).
En puntos de referencia estándar, NVIDIA Canary alcanza alrededor de 3.5% tasa de error de Word. La precisión en el mundo real depende de la calidad de audio, el acento y el lenguaje; para grabaciones ruidosas o acentuadas, espere unos puntos porcentuales más alto WER.
NVIDIA Canary no está disponible en STT.ai. Sus propios términos de licencia rigen su funcionamiento. STT.ai de nivel libre cubre los modelos Whisper que corremos — 600 minutos para comenzar, luego una recarga mensual gratuita.
NVIDIA Canary es lanzado bajo CC-BY-4.0, una licencia de código abierto permisiva. Usted puede auto-anfitriona NVIDIA Canary en su propio hardware o utilizar nuestra versión alojada — ambos son comercialmente utilizables.
NVIDIA Canary admite 4 idiomas. La detección automática selecciona el idioma adecuado para la mayoría de audio; también puede especificarlo manualmente para un pequeño ascensor de precisión.
NVIDIA Canary procesa audio en aproximadamente 45.0x en tiempo real en nuestras GPUs. Un archivo de audio de 1 hora termina en menos de 1 minutos; los archivos más largos cola y notificar por correo electrónico cuando se hace.
NVIDIA Canary tiene parámetros 1B. Los modelos más grandes tienden a ser más precisos pero más lentos; STT.ai aloja NVIDIA Canary en GPU para que el recuento de parámetros no afecte el rendimiento de su cliente.
NVIDIA Canary acepta todos los soportes de formato STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, y otros. Salida como TXT, SRT, VTT, DOCX, JSON o PDF.
Sí. Diarización del altavoz corre junto a NVIDIA Canary para cada transcripción - cada altavoz está etiquetado y se puede cambiar el nombre en el editor después.
Sí. NVIDIA Canary se ejecuta en nuestro entorno gestionado — audio se procesa y elimina por defecto y nunca se utiliza para el entrenamiento sin opt-in explícito. Planes Pro añadir cifrado del lado del cliente para transcripciones en reposo.
Utilice la herramienta compare-stt para ejecutar NVIDIA Canary contra cualquier otro modelo soportado en el mismo audio: verá WER, conteo de segmentos, etiquetas de altavoz y puntuaciones de confianza lado a lado. La comparación NVIDIA Canary vs Whisper Large V3 es la más común.
Sí. Especifique "nvidia-canary" como parámetro de modelo en el endpoint /v1/transcribir. Los SDKs de Python y Node.js incluyen NVIDIA Canary ejemplos. El nivel de API libre incluye 100 minutos/mes.
Sí. Debido a que NVIDIA Canary es licenciada CC-BY-4.0, usted puede auto-anfitrionarlo. STT.ai's página de código abierto lista la repo proyecto y pesos. La mayoría de los equipos de producción utilizan nuestra versión alojada para saltarse la adquisición de GPU, modelos swaps, y ops.