Gå til indhold

Nemotron 3 Nano Omni · Audio

Integrer

Model-id nvidia/nemotron-3-nano-omni/audio
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/nvidia/nemotron-3-nano-omni/audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Op til 0,622 $ pr. kørsel du betaler efter det faktiske forbrug, resten tilbagebetales Kør den på denne side

Hent API-nøgle
NVIDIA Tale til tekst #nemotron#nvidia#audio-to-text#audio-understanding

Besvarer prompts om et lydklip (wav eller mp3, op til 50 minutter) og returnerer tekst

NVIDIA · Tekst

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet

Tekst angivet som modellens prompt; skal være på engelsk.

Valgfri modelvejledning angivet som en systemprompt, uden ræsonnement i dens styring; brug `reasoning_mode` til dette i stedet.

•påkrævet audio_url
Slip en fil, eller

URL til lydklip til ræsonnement-input; accepterer wav eller mp3 med en varighed på højst 50 minutter.

standard 1024

Øvre grænse for genererede tokens.

Avanceret reasoning_mode · temperature · top_p · enable_safety_checker
reasoning_mode standard no_think

Svarformat: `think` inkluderer et eksplicit chain-of-thought-spor før det endelige svar. Brug `no_think` for et direkte svar uden dette spor.

standard 0.7

Temperatur brugt til sampling; lavere værdier gør output mere deterministisk.

standard 0.95

Sandsynlighedsmasse brugt til nucleus-sampling.

POST /run/nvidia/nemotron-3-nano-omni/audio?wait=20 pris → 0,622 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/nvidia/nemotron-3-nano-omni/audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Nemotron 3 Nano Omni · Audio

Lydvarianten modtager en `audio_url` til et wav- eller mp3-klip på op til 50 minutter samt en tekstbaseret `prompt` og returnerer et tekstsvar. Den egner sig til transskriptionslignende opgaver eller spørgsmål om lyden. `reasoning_mode` aktiverer eller deaktiverer et eksplicit reasoning-spor, og `max_tokens` kan nå 20,000. Prompts bør være på engelsk.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse
promptpåkrævet
Typestring
Tekst angivet som modellens prompt; skal være på engelsk.
system_promptvalgfri
Typestring | null
Valgfri modelvejledning angivet som en systemprompt, uden ræsonnement i dens styring; brug `reasoning_mode` til dette i stedet.
reasoning_modevalgfri
Typeenum
Standardno_think
thinkno_think
Svarformat: `think` inkluderer et eksplicit chain-of-thought-spor før det endelige svar. Brug `no_think` for et direkte svar uden dette spor.
max_tokensvalgfri
Typeinteger
Standard1024
1 – 20.000
Øvre grænse for genererede tokens.
temperaturevalgfri
Typenumber
Standard0.7
0 – 2
Temperatur brugt til sampling; lavere værdier gør output mere deterministisk.
top_pvalgfri
Typenumber
Standard0.95
0 – 1
Sandsynlighedsmasse brugt til nucleus-sampling.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Styrer, om sikkerhedskontrol er aktiveret.
audio_urlpåkrævet audio
Typeurl · audio
URL til lydklip til ræsonnement-input; accepterer wav eller mp3 med en varighed på højst 50 minutter.
påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "nvidia/nemotron-3-nano-omni/audio",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 622,
    "usd": "0.622",
    "charged": 622,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "output": "The image shows a golden retriever puppy sitting on a wooden floor.",
    "finish_reason": "stop",
    "usage": {
      "input_tokens": 1,
      "output_tokens": 1
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
output
stringTekst genereret som svar.
finish_reason
stringÅrsag til afslutning af genereringen.
usage
object {input_tokens, output_tokens}Tokenforbrug knyttet til anmodningen.

Flere modeller: Tale til tekst

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/nvidia/nemotron-3-nano-omni/audio.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt