NVIDIA Canary
STT.ai این مدل را اجرا نمی‌کند. این صفحه اطلاعات مرجع در مورد آن است.
با مدل هايي که اجرا ميکنيم رونوشت کن →
3.5%
WER
4
زبانها
45.0x
سرعت
CC-BY-4.0
مجوز
در مورد NVIDIA Canary
انویدیا کانری یک مدل پارامتر ۱ بی است که در رونویسی انگلیسی، آلمانی، فرانسوی و اسپانیایی برتری دارد.این مدل بر روی چارچوب NeMo ساخته شده است و از یک کدگذار FastConformer با یک رمزگشایی تبدیل استفاده می‌کند و از تشخیص و ترجمه خودکار زبان پشتیبانی می‌کند.
اطلاعات مدل
- ارائه‌دهندهNVIDIA
- معماری-
- مجوزCC-BY-4.0
- به روزرسانیMar 2026
پرسشهای متداول
NVIDIA Canary یک مدل گفتار به متن توسط NVIDIA است. STT.ai در حال حاضر NVIDIA Canary را اجرا نمی‌کند — این صفحه اطلاعات مرجع در مورد مدل است. برای رونویسی در STT.ai ، انتخاب‌کننده مدل خانواده Whisper (Turbo, Large V3, Medium, Small) را ارائه می‌دهد.
در استانداردهای استاندارد، NVIDIA Canary در حدود 3.5% Word Error Rate را بدست می‌آورد. دقت واقعی به کیفیت صدا، لهجه و زبان بستگی دارد؛ برای ضبط‌های پر سر و صدا یا لهجه، انتظار چند درصد بالاتر WER را داشته باشید.
NVIDIA Canary در STT.ai در دسترس نیست. شرایط مجوز خود را برای اجرای خود تنظیم می‌کند. STT.ai سطح رایگان مدل Whisper را پوشش می‌دهد که ما اجرا می‌کنیم - 600 دقیقه برای شروع، سپس یک ماه رایگان اضافه کردن.
NVIDIA Canary تحت CC-BY-4.0 منتشر می‌شود، یک مجوز آزاد آزاد. شما می‌توانید خودتان NVIDIA Canary را در سخت‌افزار خود میزبانی کنید یا از نسخه میزبانی شده ما استفاده کنید - هر دو قابل استفاده تجاری هستند.
NVIDIA Canary از زبانهای 4 پشتیبانی می‌کند. تشخیص خودکار زبان درست را برای بیشتر صداها انتخاب می‌کند؛ همچنین می‌توانید آن را برای یک بالا رفتن دقت کوچک دستی مشخص کنید.
NVIDIA Canary processes audio at about 45.0x real-time on our GPUs. A 1-hour audio file finishes in under 1 minutes; longer files queue and notify by email when done.
NVIDIA Canary پارامترهای 1B دارد. مدل‌های بزرگتر تمایل به دقت بیشتر اما کندتر دارند؛ STT.ai NVIDIA Canary را در GPU میزبانی می‌کند، بنابراین شمارش پارامترها بر عملکرد سمت کارگزار شما تأثیر نمی‌گذارد.
NVIDIA Canary هر فرمتی را که STT.ai پشتیبانی می‌کند را می‌پذیرد - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI و دیگران.
بله. نوشتار شنونده در کنار NVIDIA Canary برای هر رونوشت اجرا می شود — هر شنونده برچسب گذاری شده و می توانید بعداً آنها را در ویرایشگر تغییر نام دهید.
بله. NVIDIA Canary در محیط مدیریت شده ما اجرا می‌شود - صدا به صورت پیشفرض پردازش و حذف می‌شود و هیچگاه برای آموزش بدون انتخاب صریح استفاده نمی‌شود. برنامه‌های Pro رمزگذاری سمت مشتری را برای رونوشت‌های در حال استراحت اضافه می‌کنند.
Use the compare-stt tool to run NVIDIA Canary against any other supported model on the same audio — you'll see WER, segment count, speaker labels, and confidence scores side-by-side. The NVIDIA Canary vs Whisper Large V3 comparison is the most commonly run.
بله. "nvidia-canary" را به عنوان پارامتر مدل در /v1/transcribe endpoint مشخص کنید. Python و Node.js SDK شامل نمونه‌های NVIDIA Canary هستند. سطح API رایگان شامل ۱۰۰ دقیقه در ماه است.
بله. چون NVIDIA Canary دارای مجوز CC-BY-4.0 است، شما می‌توانید آن را خودتان میزبانی کنید. صفحهٔ منبع باز STT.ai فهرستی از پروژه و وزن‌ها را ارائه می‌دهد. بیشتر تیم‌های تولید از نسخهٔ میزبانی شده ما برای فراموش کردن خرید GPU، مبادلات مدل و عملیات استفاده می‌کنند.