NVIDIA Canary
STT.ai не го извршува овој модел — оваа страница е референтна информација за него.
Транкрипувај со моделите кои ги водиме →
3.5%
WER
4
Јазици
45.0x
Брзина
CC-BY-4.0
Лиценца
За NVIDIA Canary
NVIDIA Canary е модел на параметр 1B кој е одличен на англиски, германски, француски и шпански транскрипција. Изграден на NeMo рамката, користи FastConformer декодер со трансформатор и поддржува автоматско откривање и преведување на јазикот.
Инфо за моделот
- ДоставувачNVIDIA
- Архитектура-
- ЛиценцаCC-BY-4.0
- АжурираноMar 2026
Често поставувани прашања
NVIDIA Canary е модел од говор до текст со NVIDIA. STT.ai моментално не работи NVIDIA Canary — оваа страница е референтна информација за моделот. За транскрипција на STT.ai, моделот на бирачот му нуди на семејството Whisper (Turbo, Big V3, Medium, Small).
Според стандардните стандарди, NVIDIA Canary постигнуваат околу 3.5% проценка на грешките на зборовите. Прецизноста на реалниот свет зависи од квалитетот на звукот, акцентот и јазикот; за бучни или акцентирани снимки, очекуваат неколку проценти повисоко од ВЕР.
NVIDIA Canary не е достапно на STT.ai. Нејзините сопствени лиценца услови управуваат со него самиот. STT.ai е слободен низа ги покрива моделите на Whisper кои ги извршуваме — 600 минути за почеток, потоа месечно бесплатно топ- up.
NVIDIA Canary е ослободен под CC-BY-4.0, попустлива лиценца со отворен извор. NVIDIA Canary може да се води на сопствен хардвер или да се користи нашата домаќинска верзија — и двете се комерцијално употребливи.
NVIDIA Canary поддржува 4 јазици. Авто- детекција го избира вистинскиот јазик за повеќето аудио; исто така можете рачно да го наведете за малку прецизност.
NVIDIA Canary процесира аудио на околу 45.0x во реално време на нашите GPU. 1- часовна аудио датотека завршува за помалку од 8802 минути; подолга редица на датотеки и известува со е- пошта кога ќе биде завршена.
NVIDIA Canary има 8802 параметри. Поголемите модели се поточни, но побавни; STT.ai домаќини NVIDIA Canary на GPU за броењето на параметрите да не влијае на перформансите на вашиот клиент.
NVIDIA Canary го прифаќа секој формат STT.ai потпори — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI и други.
Дијаризирањето на звучникот оди заедно со NVIDIA Canary за секоја транскрипција — секој говорник е означен и потоа можете да ги преименувате во уредникот.
Да. NVIDIA Canary работи во нашата управувана средина — аудиото е обработено и избришано стандардно и никогаш не се користи за обука без експлицитна опти-ин. Про плановите додаваат енкрипција на страна на клиентот за преписи во мир.
Користете ја алатката споредба-ст за извршување NVIDIA Canary против било кој друг поддржан модел на истиот аудио — ќе го видите WER, бројот на сегменти, звучниците и самодоверливите резултати од страна на страна. Поравнувањето NVIDIA Canary против Whisper Large V3 е најчесто извршено.
Да. Наведете „ nvidia-canary “ како параметар на моделот на крајната точка / v1/transcribe. Python и Node.js SDKs вклучуваат NVIDIA Canary примери. Слободната API низа вклучува 100 минути/месечно.
Бидејќи NVIDIA Canary е 8802-лицензирана, можеш да го водиш. STT.ai-те страници со отворен извор ги набројуваат репо и тежини на проектот. Повеќето производствени тимови ја користат нашата домаќинска верзија за да ја прескокнат набавката на ГПУ, размената на модели и опс.