NVIDIA Canary
STT.ai nie uruchomia tego modelu – ta strona jest informacji referencyjnych o nim.
Transcribe z modelami, które prowadzimy →
3.5%
WER
4
Języki
45.0x
Prędkość
CC-BY-4.0
Licencja
O tematie NVIDIA Canary
NVIDIA Canary jest modelem parametrów 1B, który wyróżnia się w transkrypcji angielskim, niemieckim, francuskim i hiszpańskim. Zbudowany na ramach NeMo, używa kodera FastConformer z dekoderem transformatora i obsługuje automatyczne wykrywanie i tłumaczenie języka.
Języki wspierane przez NVIDIA Canary
Informacje o wzorze
- DostawcaNVIDIA
- Architektura-
- LicencjaCC-BY-4.0
- UaktualnioneMar 2026
Często zadawane pytania
NVIDIA Canary to model mowy do tekstu przez NVIDIA. STT.ai nie działa obecnie NVIDIA Canary – ta strona jest informacji referencyjnej o modelu. W przypadku transkrypcji na STT.ai, model picker oferuje Whisper rodzinę (Turbo, Duże V3, Średni, Small).
W odniesieniu do standardowych poziomów odniesienia NVIDIA Canary osiąga około 3.5% Błędów Word. Dokładność rzeczywistego świata zależy od jakości dźwięku, akcentu i języka; w przypadku głośnych lub akcentowanych nagrań, oczekuje się kilku punktów procentowych wyższych WER.
NVIDIA Canary nie jest dostępny na STT.ai. Jego własne warunki licencyjne regulują go samodzielnie. STT.ai bezpłatny poziom obejmuje modele Whisper, które uruchomimy – 600 minut do rozpoczęcia, następnie miesięczny bezpłatny top-up.
NVIDIA Canary jest wydane pod CC-BY-4.0, licencja otwartego źródła. Można samodzielnie gospodarować NVIDIA Canary na własnym sprzętie lub korzystać z naszej hospodowanej wersji – obie są komercyjne użyteczne.
NVIDIA Canary obsługuje 4 języków. Automatyczne wykrywanie wybiera właściwy język dla większości audio; można również wskazywać go ręcznie dla małego podnoszenia dokładności.
NVIDIA Canary procesów audio w około 45.0x w czasie rzeczywistym na naszych GPU. 1-godzinny plik audio zakończy się w mniej niż 8802 minut; dłuższa kolejka plików i powiadomić za pośrednictwem e-maila.
NVIDIA Canary ma 8802 parametrów. Większe modele są zazwyczaj bardziej dokładne, ale wolniej; STT.ai hostów NVIDIA Canary w GPU, tak aby liczba parametrów nie wpływała na wydajność klienta.
NVIDIA Canary akceptuje każdy format obsługi STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI i inne. Wynik jako TXT, SRT, VTT, DOCX, JSON lub PDF.
Tak. Dializacja głośnika biegnie obok NVIDIA Canary dla każdej transkrypcji — każdy głośnik jest oznaczony i można je później zmienić w edytorze.
Tak. NVIDIA Canary uruchamia w naszym zarządzanym środowisku – audio jest przetwarzany i usuwany domyślnie i nigdy nie używany do szkolenia bez wyraźnego opt-in. Pro plany dodają klient-side szyfrowanie do transkrypcji w pokoju.
Użyj narzędzia porównania-stt, aby uruchomić NVIDIA Canary w stosunku do jakiegokolwiek innego modelu obsługiwanego w tym samym audio – zobaczysz WER, liczbę segmentów, etykiety głośnika i wyniki ufności po stronie. Porównanie NVIDIA Canary ws Whisper Large V3 jest najczęściej uruchomione.
Tak. Określić "nvidia-canary" jako parametr modelu w końcowym punktie końcowym /v1/transcribe. Python i Node.js SDKs zawierają NVIDIA Canary przykładów. Darmowy poziom API obejmuje 100 minut/miesiąc.
Tak. Ponieważ NVIDIA Canary jest 8802-licenzowany, możesz go sam-host. STT.ai stron otwartego źródła wykazuje repo i wagi projektu. Większość zespołów produkcyjnych korzysta z naszej hosted wersji, aby pominąć zamówienia GPU, modele swaps i ops.