NVIDIA Canary
STT.ai ບໍ່ໄດ້ໃຊ້ແບບນີ້ — ຫນ້ານີ້ແມ່ນຂໍ້ມູນອ້າງອີງກ່ຽວກັບມັນ.
ແປດ້ວຍແບບທີ່ເຮົາໃຊ້ຢູ່ →
3.5%
WER
4
ພາສາ
45.0x
ໄວ
CC-BY-4.0
ໃບອະນຸຍາດ
ກ່ຽວກັບ NVIDIA Canary
NVIDIA Canary ແມ່ນແບບ ຈຳ ລອງຕົວກໍານົດການ 1B ທີ່ໂດດເດັ່ນໃນພາສາອັງກິດ, ເຢຍລະມັນ, ຝຣັ່ງແລະສະເປນ. ສ້າງຂຶ້ນໃນກອບ NeMo, ມັນໃຊ້ເຄື່ອງບັນທຶກ FastConformer ທີ່ມີເຄື່ອງບັນທຶກການປ່ຽນແປງແລະສະຫນັບສະຫນູນການກວດພົບພາສາແລະການແປແບບອັດຕະໂນມັດ.
ព័ត៌មានແບບ
- ຕົວສະໜອງNVIDIA
- ສະຖາປັດຕະຍະກໍາ-
- ໃບອະນຸຍາດCC-BY-4.0
- ປັບປຸງMar 2026
ຄໍາຖາມທີ່ຖາມເລື້ອຍໆ
NVIDIA Canary ແມ່ນແບບຟອມການເວົ້າເປັນຂໍ້ຄວາມໂດຍ NVIDIA. STT.ai ປັດຈຸບັນບໍ່ໄດ້ແລ່ນ NVIDIA Canary — ຫນ້ານີ້ແມ່ນຂໍ້ມູນອ້າງອີງກ່ຽວກັບແບບຟອມ. ສຳລັບການແປພາສາໃນ STT.ai, ຕົວເລືອກແບບຟອມສະເໜີຄອບຄົວ Whisper (Turbo, Large V3, Medium, Small).
ສໍາລັບຄໍາຮ້ອງສະຫມັກທີ່ຕ້ອງການຄວາມຖືກຕ້ອງສູງ, NVIDIA Canary ມີຄວາມຖືກຕ້ອງສູງກວ່າ WER ເຖິງ 100%. ສໍາລັບຄໍາຮ້ອງສະຫມັກທີ່ຕ້ອງການຄວາມຖືກຕ້ອງສູງກວ່າ WER, NVIDIA Canary ມີຄວາມຖືກຕ້ອງສູງກວ່າ WER ເຖິງ 100%.
NVIDIA Canary ບໍ່ມີຢູ່ໃນ STT.ai. ເງື່ອນໄຂຂອງໃບອະນຸຍາດຂອງຕົນຄຸ້ມຄອງການແລ່ນມັນເອງ. STT.ai ລະດັບຟຣີຂອງ STT.ai ປົກຄຸມແບບ Whisper ທີ່ພວກເຮົາແລ່ນ - 600 ນາທີເພື່ອເລີ່ມຕົ້ນ, ຫຼັງຈາກນັ້ນເພີ່ມຂື້ນຟຣີທຸກໆເດືອນ.
NVIDIA Canary ແມ່ນຖືກປ່ອຍອອກມາພາຍໃຕ້ CC-BY-4.0, ໃບອະນຸຍາດ Open Source ທີ່ອະນຸຍາດ. ທ່ານສາມາດເປັນເຈົ້າພາບ NVIDIA Canary ເອງໃນຮາດແວຂອງທ່ານເອງຫຼືໃຊ້ເວີຊັນທີ່ເປັນເຈົ້າພາບຂອງພວກເຮົາ - ທັງສອງແມ່ນສາມາດໃຊ້ໄດ້ໃນທາງການຄ້າ.
NVIDIA Canary ສະໜັບສະໜູນ 4 ພາສາ. ການກວດພົບອັດຕະໂນມັດ ເລືອກພາສາທີ່ຖືກຕ້ອງສຳລັບສຽງສ່ວນຫຼາຍ; ທ່ານຍັງສາມາດກຳນົດມັນດ້ວຍມືເພື່ອເພີ່ມຄວາມຖືກຕ້ອງໄດ້ເລັກນ້ອຍ.
NVIDIA Canary ដំណើរការສຽງທີ່ປະມານ 45.0x ເວລາຈິງໃນ GPUs ຂອງພວກເຮົາ. ໄຟລ໌ສຽງ 1 ຊົ່ວໂມງ ສໍາເລັດໃນ 1 ນາທີ; ໄຟລ໌ທີ່ຍາວກວ່າລໍຖ້າແລະແຈ້ງເຕືອນໂດຍອີເມວເມື່ອເຮັດແລ້ວ.
NVIDIA Canary ມີປາຣາມເຕີ 1B. ແບບທີ່ໃຫຍ່ກວ່າມີແນວໂນ້ມທີ່ຈະຖືກຕ້ອງກວ່າ ແຕ່ຊ້າກວ່າ; STT.ai ເປັນເຈົ້າພາບ NVIDIA Canary ເທິງ GPU ສະນັ້ນການຄິດໄລ່ປາຣາມເຕີບໍ່ສົ່ງຜົນກະທົບຕໍ່ຜົນງານດ້ານຄລາສສິກຂອງທ່ານ.
NVIDIA Canary ຮັບຮອງເອົາທຸກຮູບແບບ STT.ai ສະຫນັບສະຫນູນ - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, ແລະອື່ນໆ. ຜົນຜະລິດເປັນ TXT, SRT, VTT, DOCX, JSON, ຫຼື PDF.
ຍິນດີ. ການຂຽນລາຍຊື່ຜູ້ເວົ້າຈະແລ່ນພ້ອມກັບ NVIDIA Canary ສຳ ລັບທຸກໆການແປ - ຜູ້ເວົ້າແຕ່ລະຄົນມີស្លាກແລະທ່ານສາມາດປ່ຽນຊື່ພວກເຂົາໃນຕົວແກ້ໄຂຫຼັງຈາກນັ້ນ.
NVIDIA Canary ແລ່ນໃນສະພາບແວດລ້ອມທີ່ໄດ້ຮັບການບໍລິຫານຂອງພວກເຮົາ - ສຽງແມ່ນຖືກປຸງແຕ່ງແລະລຶບໂດຍ default ແລະບໍ່ເຄີຍໃຊ້ສໍາລັບການຝຶກອົບຮົມໂດຍບໍ່ມີການ opt-in ຢ່າງຈະແຈ້ງ. ແຜນງານ Pro ເພີ່ມການເຂົ້າລະຫັດດ້ານລູກຄ້າສໍາລັບ transcripts ທີ່ພັກອາໄສ.
ໃຊ້ເຄື່ອງມືປຽບທຽບ-stt ເພື່ອແລ່ນ NVIDIA Canary ຕ້ານກັບແບບອື່ນໆທີ່ໄດ້ຮັບການສະຫນັບສະຫນູນໃນສຽງດຽວກັນ - ທ່ານຈະເຫັນ WER, ຈໍານວນສ່ວນ, ຫມາຍເລກຜູ້ເວົ້າ, ແລະຄະແນນຄວາມໄວ້ວາງໃຈຂ້າງ-ໂດຍ-ຂ້າງ. NVIDIA Canary versus Whisper Large V3 ການທຽບທຽບແມ່ນປົກກະຕິທີ່ສຸດແລ່ນ.
ຍິນດີ. ລະບຸ "nvidia-canary" ເປັນຕົວແບບປາຣາມເຕີໃນ / v1 / transcribe endpoint. Python ແລະ Node.js SDKs ລວມມີຕົວຢ່າງ NVIDIA Canary. ລະດັບ API ຟຣີລວມມີ 100 ນາທີ / ເດືອນ.
ຍິນດີ. ຍ້ອນວ່າ NVIDIA Canary ແມ່ນ CC-BY-4.0- ໃບອະນຸຍາດ, ທ່ານສາມາດເປັນເຈົ້າພາບມັນໄດ້. STT.ai ເປີດແຫຼ່ງຫນ້າຂອງລາຍຊື່ໂຄງການ repo ແລະນ້ໍາຫນັກ. ທີມງານການຜະລິດສ່ວນໃຫຍ່ໃຊ້ເວີຊັນທີ່ເປັນເຈົ້າພາບຂອງພວກເຮົາເພື່ອຂ້າມການຊື້ GPU, ແບບຟອມ swaps, ແລະ ops.