Transcribir con NVIDIA Canary
3.5%
WER
4
Languages
45.0x
Speed
CC-BY-4.0
License
Acerca de 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
Preguntas frecuentes
NVIDIA Canary es un modelo de voz a texto de NVIDIA. STT.ai aloja NVIDIA Canary en nuestra infraestructura de GPU para que pueda usarlo sin aprovisionamiento de su propio hardware — subir audio o vídeo y elegir NVIDIA Canary del selector de modelos.
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 funciona en el nivel gratuito de STT.ai — cada visitante recibe 600 minutos / mes sin costo. Los planes pagados añaden límites por archivo más largos, transcripciones privadas y cola de prioridad.
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.