Transcrever com NVIDIA Canary
3.5%
WER
4
Languages
45.0x
Speed
CC-BY-4.0
License
Sobre 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
Perguntas frequentes
NVIDIA Canary é um modelo de fala a texto por NVIDIA. STT.ai hospeda NVIDIA Canary em nossa infraestrutura GPU para que você possa usá-lo sem providenciar seu próprio hardware — carregar áudio ou vídeo e escolher NVIDIA Canary do seletor de modelos.
Nas referências padrão, NVIDIA Canary atinge cerca de 8801% da taxa de erro do Word. A precisão do mundo real depende da qualidade, acento e linguagem do áudio; para gravações ruidosas ou acentuadas, esperam alguns pontos percentuais mais altos WER.
NVIDIA Canary corre no nível livre de STT.ai — cada visitante recebe 600 minutos/mes sem custo. Planos pagos adicionam mais limites por arquivo, transcrições privadas e fila de espera prioritária.
NVIDIA Canary é lançado sob CC-BY-4.0, uma licença permissiva de código aberto. Você pode auto-hoste NVIDIA Canary em seu próprio hardware ou usar a nossa versão hospedada — ambos são comercialmente utilizáveis.
NVIDIA Canary suporta 4 idiomas. Auto-detecção escolhe a linguagem certa para a maioria do áudio; você também pode especificar manualmente para um pequeno elevador de precisão.
NVIDIA Canary processa áudio a cerca de 45.0x em tempo real em nosso GPUs. Um arquivo de áudio de 1 hora termina em menos de 1 minutos; arquivos mais longos cola e notifica por e-mail quando feito.
NVIDIA Canary tem 1B parâmetros. Os modelos mais grandes tendem a ser mais precisos mas mais lentos; STT.ai hosts NVIDIA Canary na GPU para que a contagem de parâmetros não afecte o seu desempenho do lado do cliente.
NVIDIA Canary aceita cada formato STT.ai suportes — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI e outros. Saída como TXT, SRT, VTT, DOCX, JSON ou PDF.
Sim. Diarização do orador corre ao lado de NVIDIA Canary para cada transcrição — cada orador é rotulado e você pode renomeá-los no editor depois.
Sim. NVIDIA Canary funciona no nosso ambiente gerenciado — áudio é processado e excluído por padrão e nunca usado para treinamento sem opt-in explícito. Pro planos adicionar criptografia do lado do cliente para transcrições no repouso.
Use a ferramenta compar-stt para executar NVIDIA Canary contra qualquer outro modelo suportado no mesmo áudio — você verá WER, contagem de segmentos, rótulos de alto-falante e pontuação de confiança lado a lado. A comparação NVIDIA Canary vs Whisper Large V3 é a mais comumente executada.
Sim. Especifique "nvidia-canary" como o parâmetro do modelo no ponto final /v1/transcribe. Python e Node.js SDKs incluem NVIDIA Canary exemplos. O nível de API gratuito inclui 100 minutos/mes.
Sim. Como NVIDIA Canary é CC-BY-4.0-licenciado, você pode hospedá-lo. STT.ai página de código aberto lista o projeto repo e pesos. A maioria das equipes de produção usa a nossa versão hospedada para saltar compras GPU, swaps de modelos e ops.