NVIDIA Canary
Ang STT.ai ay hindi tumatakbo sa modelong ito - ang pahina na ito ay reference na impormasyon tungkol dito.
Isulat sa mga modelo na namin patakbuhin →
3.5%
WER
4
Mga wika
45.0x
Bilis
CC-BY-4.0
Lisensya
Tungkol sa NVIDIA Canary
Ang NVIDIA Canary ay isang 1B parameter model na mahusay sa Ingles, Aleman, Pranses, at Espanyol na transkripsiyon. Built sa NeMo framework, ito ay gumagamit ng isang FastConformer encoder na may isang transformer decoder at sumusuporta sa awtomatikong pagtukoy ng wika at pagsasalin.
Impormasyon ng Modelo
- TagapagbigayNVIDIA
- Arkitektura-
- LisensyaCC-BY-4.0
- Nai-updateMar 2026
Mga Madalas Itanong
Ang NVIDIA Canary ay isang modelong pagsasalita-sa-teksto ng NVIDIA. Ang STT.ai ay kasalukuyang hindi tumatakbo NVIDIA Canary — ang pahinang ito ay sanggunian ng impormasyon tungkol sa modelo. Para sa transkripsiyon sa STT.ai, ang modelong tagapili ay nag-aalok ng Whisper pamilya (Turbo, Large V3, Medium, Small).
Sa mga pamantayan benchmarks, NVIDIA Canary ay nakamit sa paligid ng 3.5% Word Error Rate. Real-world katumpakan ay depende sa kalidad ng audio, accent, at wika; para sa noisy o accented recordings, asahan ng ilang porsyento puntos mas mataas na WER.
Ang NVIDIA Canary ay hindi magagamit sa STT.ai. Ang sarili nitong mga tuntunin ng lisensya ay namamahala sa pagpapatakbo nito sa iyong sarili. Ang libreng antas ng STT.ai ay sumasaklaw sa mga modelo ng Whisper na aming pinapatakbo — 600 minuto upang magsimula, pagkatapos ay isang buwanang libreng top-up.
NVIDIA Canary ay inilabas sa ilalim ng CC-BY-4.0, isang permissive open-source na lisensya. Maaari mong self-host NVIDIA Canary sa iyong sariling hardware o gamitin ang aming hosted na bersyon - parehong commercially magagamit.
NVIDIA Canary sumusuporta sa 4 wika. Auto-detection picks ang tamang wika para sa karamihan ng audio; maaari mo ring tukuyin ito nang manu-mano para sa isang maliit na katumpakan lift.
NVIDIA Canary proseso audio sa tungkol sa 45.0x real-time sa aming GPUs. Ang isang 1-oras na audio file ay nagtatapos sa ilalim ng 1 minuto; mas mahabang file queue at mag-notify sa pamamagitan ng email kapag tapos na.
NVIDIA Canary ay may 1B parameter. Mas malaki modelo ay may posibilidad na maging mas tumpak ngunit mas mabagal; STT.ai host NVIDIA Canary sa GPU kaya ang bilang ng parameter ay hindi nakakaapekto sa iyong client-side pagganap.
Ang mga format na suportado ng STT.ai ay MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, at iba pa. Ang output ay TXT, SRT, VTT, DOCX, JSON, o PDF.
Oo. Speaker diarization tumatakbo kasama NVIDIA Canary para sa bawat transcription — bawat speaker ay may label at maaari mong palitan ang pangalan ng mga ito sa editor pagkatapos.
NVIDIA Canary tumatakbo sa aming pinamamahalaang kapaligiran – audio ay pinoproseso at tinanggal sa pamamagitan ng default at hindi kailanman ginagamit para sa pagsasanay nang walang malinaw na opt-in. Pro plano magdagdag ng client-side encryption para sa transcripts sa pahinga.
Gamitin ang i-compare-stt tool upang patakbuhin ang NVIDIA Canary laban sa anumang iba pang mga suportadong modelo sa parehong audio - makikita mo WER, segment count, speaker label, at kumpiyansa score side-by-side. Ang NVIDIA Canary vs Whisper Large V3 paghahambing ay ang pinaka-karaniwang tumakbo.
Oo. tukuyin ang "nvidia-canary" bilang ang modelo parameter sa / v1 / transcribe endpoint. Python at Node.js SDKs isama NVIDIA Canary halimbawa. Libreng API tier kasama ang 100 minuto / buwan.
Oo. Dahil NVIDIA Canary ay CC-BY-4.0-licensed, maaari mong self-host ito. STT.ai's open-source page listahan ng proyekto repo at timbang. Karamihan sa mga koponan ng produksyon gamitin ang aming hosted na bersyon upang i-skip GPU procurement, modelo swaps, at ops.