Määrää lääkkeellä NVIDIA Canary
3.5%
WER
4
Kielet
45.0x
Nopeus
CC-BY-4.0
Lisenssi
Tietoja NVIDIA Canary
NVIDIA Canary on 1B-parametrimalli, joka on erinomainen englannin, saksan, ranskan ja espanjan kielen transkriptioissa. NeMo-kehykseen rakennettuna se käyttää muuntajan dekooderilla varustettua FastConformer-kooderia ja tukee automaattista kielentunnistusta ja kääntämistä.
Malli-info
- PalveluntarjoajaNVIDIA
- Arkkitehtuuri-
- LisenssiCC-BY-4.0
- PäivitettyMar 2026
Usein kysyttyjä kysymyksiä
NVIDIA Canary on NVIDIA:n puheesta tekstiin -malli. STT.ai isännöi NVIDIA Canary:ta GPU-infrastruktuurissamme, joten voit käyttää sitä ilman, että varaat omia laitteitasi – lataat äänen tai videon ja valitset NVIDIA Canary mallinnostolaitteesta.
Standardimittauksissa NVIDIA Canary saavuttaa noin 8801 prosentin Word Error Rate -arvon. Todellisen maailman tarkkuus riippuu äänenlaadusta, aksentista ja kielestä; äänekkäiden tai korostuneiden äänitteiden osalta WER:n odotetaan olevan muutaman prosenttiyksikön korkeampi.
NVIDIA Canary kulkee STT.ai:n vapaalla tasolla – jokainen vierailija saa 600 minuuttia aikaa aloittaa ilmaiseksi. Maksetut suunnitelmat lisäävät tiedostojen välisiä rajoja, yksityisiä selostuksia ja jonottamista.
NVIDIA Canary julkaistaan sallivan avoimen lähdekoodin lisenssin alla. Voit itse isännöidä NVIDIA Canary:ta omalla laitteistollasi tai käyttää isäntäversiotamme – molemmat ovat kaupallisesti käyttökelpoisia.
NVIDIA Canary tukee 4 kieltä. Automaattinen havainnointi valitsee oikean kielen useimmille äänille; voit myös määrittää sen manuaalisesti pientä tarkkuusnosturia varten.
NVIDIA Canary prosessorin äänentoisto noin 45.0x reaaliaikaisesti GPU:issa. Tunnin äänitiedosto valmistuu alle 1 minuutissa, pidempi tiedostojono ja ilmoitus sähköpostitse, kun se on tehty.
NVIDIA Canary:ssa on 1B parametria. Suuremmat mallit ovat yleensä tarkempia, mutta hitaampia; STT.ai isännöi NVIDIA Canary:a GPU:ssa, joten parametrien määrä ei vaikuta asiakaspuolen suorituskykyyn.
NVIDIA Canary hyväksyy jokaisen formaatin STT.ai tukea: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI ja muut. Tuotos on TXT, SRT, VTT, DOCX, JSON tai PDF.
Kyllä. Kaiuttimen diarisointi kulkee NVIDIA Canary:n rinnalla jokaista transkriptiota kohden – jokainen puhuja on merkitty, ja voit nimetä sen myöhemmin uudelleen päätoimittajaksi.
Kyllä. NVIDIA Canary kulkee hallitussa ympäristössämme – ääntä käsitellään ja poistetaan oletuksena, eikä sitä koskaan käytetä harjoitteluun ilman nimenomaista opt-iniä. Pro suunnittelee lisäävänsä asiakaspuolen salauksen selostuksiin levossa.
Verrattuna ensimmäiseen työkaluun voit ajaa NVIDIA Canary muuta saman äänen avulla tuettua mallia vastaan – näet WER:n, segmentin, kaiuttimen tarroja ja itseluottamuspisteitä vierekkäin. NVIDIA Canary vs. Whisper Large V3 -vertailu on yleisin.
Kyllä. Määrittele "nvidia-canary" mallimuuttujaksi /v1/transcribe-päätetapahtumassa. Python ja Node.js SDKs sisältävät NVIDIA Canary esimerkkiä. Vapaa API-taso sisältää 100 minuuttia kuukaudessa.
Kyllä. Koska NVIDIA Canary on CC-BY-4.0-lisensoitu, voit itse isännöidä sitä. STT.ai:n avoimen lähdekoodin sivulla on listattu projektin repo ja painot. Useimmat tuotantoryhmät käyttävät isäntäversiotamme jättääkseen GPU-hankinnat, mallivaihdot ja opsit väliin.