Transcrie cu NVIDIA Canary
3.5%
WER
4
Limbi
45.0x
Viteza
CC-BY-4.0
Licență
Despre NVIDIA Canary
NVIDIA Canary este un model de parametri 1B care excelează la transcripția engleză, germană, franceză și spaniolă. Construit pe cadrul NeMo, folosește un encoder FastConformer cu un decoder transformator și suportă detectarea și traducerea automată a limbii.
Informații model
- FurnizorNVIDIA
- Arhitectura-
- LicențăCC-BY-4.0
- ActualizatMar 2026
Întrebări frecvente
NVIDIA Canary este un model de vorbire la text până la NVIDIA. STT.ai găzduiește NVIDIA Canary pe infrastructura noastră GPU astfel încât să-l puteți utiliza fără a furniza propriul hardware – încărca audio sau video și alege NVIDIA Canary de la selector de model.
Pe baza standardelor de referință, NVIDIA Canary realizează aproximativ 3.5% Rata de eroare Word. Acuratețea lumii reale depinde de calitatea audio, accentul și limba; pentru înregistrări zgomotoase sau accentuate, se așteaptă la câteva puncte procentuale mai mari WER.
NVIDIA Canary se desfășoară pe nivelul gratuit al STT.ai - fiecare vizitator deține 600 de minute pentru a începe fără cost. Planurile plătite adaugă mai mult limite pe fișier, tranșe private și coada prioritară.
NVIDIA Canary este lansat sub CC-BY-4.0, o licență permisivă de open-source. Puteți auto-gazdă NVIDIA Canary pe propriul hardware sau utiliza versiunea noastră gazdă — ambele sunt utilizabile comercial.
NVIDIA Canary suportă 4 limbi. Auto-detection alege limba corectă pentru majoritatea audio; puteți, de asemenea, să o specificați manual pentru un mic lift de precizie.
NVIDIA Canary procesează audio la aproximativ 45.0x în timp real pe GPU-urile noastre. Un fișier audio de 1 oră se termină în sub 1 minute; fișiere mai lungi coada și notificare prin e-mail atunci când este gata.
NVIDIA Canary are parametri 1B. Modelele mai mari tind să fie mai precise, dar mai lent; STT.ai găzduiește NVIDIA Canary pe GPU astfel încât numărul de parametri nu afectează performanța client-side.
NVIDIA Canary acceptă fiecare format de suport STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI și alții. Produsă ca TXT, SRT, VTT, DOCX, JSON sau PDF.
Da. Diarizarea speakerului merge alături de NVIDIA Canary pentru fiecare transcriere — fiecare speaker este etichetat și le puteți renoma în editor după aceea.
Da. NVIDIA Canary rulează în mediul nostru gestionat – audio este prelucrat și șterse în mod implicit și nu este utilizat niciodată pentru antrenament fără opt-in explicit. Pro planuri adaugă criptare pe partea clientului pentru transcripții în odihnă.
Utilizați instrumentul compara-stt pentru a rula NVIDIA Canary împotriva oricărui alt model suportat pe același audio — veți vedea WER, număr de segmente, etichete de speaker și scoruri de încredere lado-a-side. NVIDIA Canary vs Whisper Large V3 comparație este cel mai frecvent rulat.
Da. Specificați "nvidia-canary" ca parametrul model pe punctul final /v1/transcrie. Python și Node.js SDKs includ NVIDIA Canary exemple. Nivelul API gratuit include 100 minute/luna.
Da. Deoarece NVIDIA Canary este CC-BY-4.0- licenciat, puteți să-l găzduiți. STT.ai de pagini de open-source listează proiectul repo și greutăți. Cele mai multe echipe de producție folosesc versiunea noastră găzduită pentru a trece peste GPU achiziții, swaps de model și ops.