Transcrire avec NVIDIA Canary
3.5%
WER
4
Languages
45.0x
Speed
CC-BY-4.0
License
À propos 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
Questions fréquemment posées
NVIDIA Canary est un modèle speech-to-text par NVIDIA. STT.ai héberge NVIDIA Canary sur notre infrastructure GPU afin que vous puissiez l'utiliser sans fournir votre propre matériel — télécharger audio ou vidéo et choisir NVIDIA Canary à partir du modèle de sélection.
Sur les repères standard, NVIDIA Canary atteint environ 3.5% de Word Error Rate. La précision du monde réel dépend de la qualité audio, de l'accent et de la langue; pour les enregistrements bruyants ou accentués, attendez quelques points de pourcentage plus haut WER.
NVIDIA Canary fonctionne sur le niveau gratuit de STT.ai — chaque visiteur obtient 600 minutes/mois sans frais. Les plans payants ajoutent plus de limites par fichier, des transcriptions privées et la file d'attente prioritaire.
NVIDIA Canary est publié sous CC-BY-4.0, une licence open-source permissive. Vous pouvez vous-même héberger NVIDIA Canary sur votre propre matériel ou utiliser notre version hébergée — les deux sont utilisables commercialement.
NVIDIA Canary prend en charge 4 langues. La détection automatique choisit la bonne langue pour la plupart des audio; vous pouvez également le spécifier manuellement pour un petit ascenseur de précision.
NVIDIA Canary traite l'audio à environ 45.0x en temps réel sur nos GPUs. Un fichier audio d'une heure se termine en moins de 1 minutes; des fichiers plus longs font la file d'attente et les avisent par courrier électronique lorsque cela est fait.
NVIDIA Canary a 1B paramètres. Les modèles plus grands ont tendance à être plus précis mais plus lents; STT.ai hôtes NVIDIA Canary sur GPU de sorte que le nombre de paramètres n'affecte pas les performances de votre client.
NVIDIA Canary accepte chaque format STT.ai supports — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, et autres. Sortie comme TXT, SRT, VTT, DOCX, JSON ou PDF.
Oui. La diarisation des haut-parleurs se déroule aux côtés de NVIDIA Canary pour chaque transcription — chaque haut-parleur est étiqueté et vous pouvez les renommer dans l'éditeur par la suite.
Oui. NVIDIA Canary fonctionne dans notre environnement géré — l'audio est traité et supprimé par défaut et jamais utilisé pour la formation sans opt-in explicite.
Utilisez l'outil compare-stt pour exécuter NVIDIA Canary contre n'importe quel autre modèle pris en charge sur le même son — vous verrez WER, le nombre de segments, les étiquettes des haut-parleurs et les scores de confiance côte à côte. La comparaison NVIDIA Canary vs Whisper Large V3 est la plus courante.
Oui. Spécifiez "nvidia-canary" comme paramètre de modèle sur le paramètre /v1/transcrire. Les SDKs Python et Node.js incluent NVIDIA Canary exemples. Le niveau d'API gratuit comprend 100 minutes/mois.
Oui. Parce que NVIDIA Canary est CC-BY-4.0-licenced, vous pouvez auto-héberger. STT.ai's open-source page liste la prise en charge du projet et les poids. La plupart des équipes de production utilisent notre version hébergée pour sauter l'approvisionnement GPU, les swaps de modèles, et les ops.