NVIDIA Canary
STT.ai nefunguje tento model — táto stránka je referenčné informácie o ňom.
Prepisujte s modelmi, ktoré prevádzkujeme →
3.5%
WER
4
Jazyky
45.0x
Rýchlosť
CC-BY-4.0
Licencia
O nás NVIDIA Canary
NVIDIA Canary je 1B parametrický model, ktorý vyniká pri prepisovaní angličtiny, nemčiny, francúzštiny a španielčiny.Je postavený na NeMo frameworku, používa enkodér FastConformer s dekodérom transformátora a podporuje automatickú detekciu jazyka a preklad.
Jazyky podporované NVIDIA Canary
Informácie o modeli
- PoskytovateľNVIDIA
- Architektúra-
- LicenciaCC-BY-4.0
- AktualizovanéMar 2026
Často kladené otázky
NVIDIA Canary je model pre prevod reči na text od NVIDIA. STT.ai momentálne nefunguje NVIDIA Canary — táto stránka je referenčná informácia o modeli. Pre prepis na STT.ai, výber modelu ponúka Whisper rodinu (Turbo, Large V3, Medium, Small).
V štandardných testoch dosahuje NVIDIA Canary okolo 3.5% Word Error Rate.Reálna presnosť závisí od kvality zvuku, prízvuku a jazyka; pre hlučné alebo akcentované nahrávky očakávajte o niekoľko percentuálnych bodov vyššiu WER.
NVIDIA Canary nie je k dispozícii na STT.ai, jeho vlastné licenčné podmienky upravujú jeho vlastné spustenie. Bezplatná úroveň STT.ai pokrýva modely Whisper, ktoré používame – 600 minút na spustenie, potom bezplatné mesačné dobíjanie.
NVIDIA Canary je vydaný pod CC-BY-4.0, povolenou open-source licenciou.NVIDIA Canary môžete hosťovať na svojom vlastnom hardvéri alebo použiť našu hosťovanú verziu — obe sú komerčne použiteľné.
NVIDIA Canary podporuje 4 jazykov.Automatická detekcia vyberie správny jazyk pre väčšinu zvuku; môžete ho tiež zadať manuálne pre malý nárast presnosti.
NVIDIA Canary spracováva zvuk približne 45.0x v reálnom čase na našich grafických procesoroch. 1-hodinový zvukový súbor sa dokončí za menej ako 1 minút. Dlhšie súbory sa ukladajú do frontu a po dokončení sa upozornia e-mailom.
Väčšie modely majú tendenciu byť presnejšie, ale pomalšie; STT.ai hostí NVIDIA Canary na GPU, takže počet parametrov neovplyvňuje výkon na strane klienta.
NVIDIA Canary prijíma všetky formáty, ktoré podporuje STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI a ďalšie.Výstup ako TXT, SRT, VTT, DOCX, JSON alebo PDF.
Diarizácia hovoriacich beží spolu s NVIDIA Canary pre každý prepis — každý hovoriaci je označený a môžete ho neskôr premenovať v editore.
Áno, NVIDIA Canary je spustené v našom spravovanom prostredí – zvuk sa predvolene spracováva a odstraňuje a nikdy sa nepoužíva na školenie bez výslovného súhlasu. Plány Pro pridávajú šifrovanie na strane klienta pre prepisy v pokoji.
Použite nástroj compare-stt na porovnanie NVIDIA Canary s akýmkoľvek iným podporovaným modelom na rovnakom zvuku. Uvidíte WER, počet segmentov, popisky reproduktorov a skóre spoľahlivosti vedľa seba. Porovnanie NVIDIA Canary vs Whisper Large V3 je najčastejšie používané.
Áno. Ako parameter modelu v koncovom bode /v1/transcribe zadajte hodnotu nvidia-canary. Súpravy SDK pre jazyk Python a jazyk Node.js obsahujú príklady pre hodnotu NVIDIA Canary.
Áno, pretože NVIDIA Canary je licencovaný na CC-BY-4.0, môžete ho hosťovať sami.Stránka s otvoreným zdrojovým kódom STT.ai uvádza úložisko projektu a váhy.Väčšina produkčných tímov používa našu hosťovanú verziu na preskočenie obstarávania GPU, výmen modelov a operácií.