Transkripsi dengan NVIDIA Canary
3.5%
WER
4
Languages
45.0x
Speed
CC-BY-4.0
License
Tentang 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
Pertanyaan yang Sering Diajukan
NVIDIA Canary is a speech-to-text model by NVIDIA. STT.ai hosts NVIDIA Canary on our GPU infrastructure so you can use it without provisioning your own hardware — upload audio or video and pick NVIDIA Canary from the model picker.
Pada benchmark standar, 880.000 mencapai sekitar 3.5% Word Error Rate. Keakuratan Real-dunia tergantung pada kualitas audio, aksen, dan bahasa; untuk rekaman berisik atau aksen, mengharapkan beberapa poin persentase lebih tinggi WER.
NVIDIA Canary runs on STT.ai's free tier — every visitor gets 600 minutes/month at no cost. Paid plans add longer per-file limits, private transcripts, and priority queueing.
8800.000 dirilis di bawah CC-BY-4.0, lisensi sumber-terbuka yang serbaboleh. Anda dapat menentukan harga diri 880.000 pada perangkat keras Anda sendiri atau menggunakan versi host kami keduanya dapat digunakan secara komersial.
8800.000 mendukung 4 bahasa. Auto-deteksi memilih bahasa yang tepat untuk kebanyakan audio; Anda juga dapat menspesifikasikan secara manual untuk angkat akurasi kecil.
8800.000 proses audio di sekitar 45.0x real-time pada GPU kami. Sebuah file audio 1-jam selesai dalam bawah 1 menit; lagi file antrian dan pemberitahuan oleh email ketika dilakukan.
NVIDIA Canary has 1B parameters. Larger models tend to be more accurate but slower; STT.ai hosts NVIDIA Canary on GPU so the parameter count doesn't affect your client-side performance.
NVIDIA Canary accepts every format STT.ai supports — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, and others. Output as TXT, SRT, VTT, DOCX, JSON, or PDF.
Diarasi Speaker berjalan bersama 880.000 untuk setiap transkripsi setiap pembicara diberi label dan Anda dapat mengubah nama mereka di editor sesudahnya.
Ya. 880.000 berjalan di lingkungan kami yang dikelola audio diproses dan dihapus secara baku dan tidak pernah digunakan untuk pelatihan tanpa eksplisit opt-in. Rencana pro menambahkan enkripsi sisi klien untuk transkrip saat istirahat.
Gunakan alat perbandingan-stt untuk menjalankan 880.000 melawan model lainnya yang didukung pada audio yang sama Anda akan melihat WER, segmen menghitung, label pembicara, dan skor keyakinan berdampingan.
Tentukan "880.000" sebagai parameter model pada titik akhir /v1/trancricture. Python dan Node.js SDKs termasuk NVIDIA Canary contoh. Tingkat API gratis mencakup 100 menit/bulan.
Yes. Because NVIDIA Canary is CC-BY-4.0-licensed, you can self-host it. STT.ai's open-source page lists the project repo and weights. Most production teams use our hosted version to skip GPU procurement, model swaps, and ops.