Zum Inhalt springen

Nemotron 3 Nano Omni · Audio

Integrieren

Modell-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"

Bis zu 0,622 $ pro Ausführung Nach tatsächlicher Nutzung abgerechnet, der Rest wird erstattet Auf dieser Seite ausführen

API-Schlüssel abrufen
NVIDIA Sprache zu Text #nemotron#nvidia#audio-to-text#audio-understanding

Beantwortet Prompts zu einem Audioclip (wav oder mp3, bis zu 50 Minuten) und gibt Text zurück

NVIDIA · Text

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich

Als Prompt des Modells übermittelter Text; muss auf Englisch sein.

Optionale Modellanweisung als System-Prompt; Begründungen sind von ihrer Steuerung ausgenommen. Dafür `reasoning_mode` verwenden.

•erforderlich audio_url
Datei ablegen oder

Audio-Clip-URL für die Eingabe zur Begründung; akzeptiert wav oder mp3 mit einer Dauer von höchstens 50 Minuten.

Standard 1024

Obergrenze für generierte Token.

Erweitert reasoning_mode · temperature · top_p · enable_safety_checker
reasoning_mode Standard no_think

Antwortformat: `think` enthält vor der finalen Antwort eine explizite Chain-of-Thought-Kette. Für eine direkte Antwort ohne diese Kette `no_think` verwenden.

Standard 0.7

Beim Sampling verwendete Temperatur; kleinere Werte machen die Ausgabe deterministischer.

Standard 0.95

Für Nucleus-Sampling verwendete Wahrscheinlichkeitsmasse.

POST /run/nvidia/nemotron-3-nano-omni/audio?wait=20 Preis → 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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Nemotron 3 Nano Omni · Audio

Die Audio-Variante nimmt über `audio_url` einen wav- oder mp3-Clip mit bis zu 50 Minuten sowie einen Text-`prompt` entgegen und gibt eine Textantwort zurück. Sie eignet sich für Transkription oder Fragen zum Audio. `reasoning_mode` aktiviert eine explizite Reasoning-Spur, und `max_tokens` reicht bis 20,000. Prompts sollten auf Englisch verfasst sein.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
prompterforderlich
Typstring
Als Prompt des Modells übermittelter Text; muss auf Englisch sein.
system_promptoptional
Typstring | null
Optionale Modellanweisung als System-Prompt; Begründungen sind von ihrer Steuerung ausgenommen. Dafür `reasoning_mode` verwenden.
reasoning_modeoptional
Typenum
Standardno_think
thinkno_think
Antwortformat: `think` enthält vor der finalen Antwort eine explizite Chain-of-Thought-Kette. Für eine direkte Antwort ohne diese Kette `no_think` verwenden.
max_tokensoptional
Typinteger
Standard1024
1 – 20.000
Obergrenze für generierte Token.
temperatureoptional
Typnumber
Standard0.7
0 – 2
Beim Sampling verwendete Temperatur; kleinere Werte machen die Ausgabe deterministischer.
top_poptional
Typnumber
Standard0.95
0 – 1
Für Nucleus-Sampling verwendete Wahrscheinlichkeitsmasse.
enable_safety_checkeroptional
Typboolean
Standardtrue
Steuert, ob die Sicherheitsprüfung aktiviert ist.
audio_urlerforderlich audio
Typurl · audio
Audio-Clip-URL für die Eingabe zur Begründung; akzeptiert wav oder mp3 mit einer Dauer von höchstens 50 Minuten.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
output
stringAls Antwort erzeugter Text.
finish_reason
stringGrund für das Ende der Generierung.
usage
object {input_tokens, output_tokens}Mit der Anfrage verbundener Token-Verbrauch.

Weitere Modelle: Sprache zu Text

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/nvidia/nemotron-3-nano-omni/audio.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt