Μετάβαση στο περιεχόμενο

Nemotron Asr Multilingual

Ενσωμάτωση

id μοντέλου nvidia/nemotron-asr-multilingual/asr
# 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-asr-multilingual/asr?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "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"

Αρχεία όπως το παράδειγμα: 0,002 $ 2 πιστώσεις API · ≈ 0,21 ₽ τα αρχεία σας μετρώνται πριν από την εκτέλεση Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
NVIDIA Ομιλία σε κείμενο #utility#transcribe

Πολυγλωσσική απομαγνητοφώνηση ομιλίας με αυτόματη ανίχνευση γλώσσας και τέσσερα επίπεδα ταχύτητας/ακρίβειας

NVIDIA · Κείμενο

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται audio_url
Αποθέστε ένα αρχείο ή

URL αρχείου ήχου που χρησιμοποιείται για απομαγνητοφώνηση.

Για προχωρημένους acceleration · language
acceleration προεπιλογή regular

Ρύθμιση ταχύτητας/ακρίβειας βάσει μήκους τμήματος: 1.12s με 'none' παρέχει την καλύτερη ακρίβεια· 0.56s με 'regular' εξισορροπεί ταχύτητα και ακρίβεια· 0.32s με 'high' είναι ταχύτερο· 0.08s με 'full' είναι το ταχύτερο.

προεπιλογή auto

Prompt αναγνώρισης γλώσσας για απομαγνητοφώνηση, που δέχεται είτε γλώσσα-στόχο είτε 'auto' για ανίχνευση βάσει μοντέλου.

POST /run/nvidia/nemotron-asr-multilingual/asr?wait=20 προσφορά → 0,002 $
# 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-asr-multilingual/asr?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "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"

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Nemotron Asr Multilingual

Απομαγνητοφωνεί ένα αρχείο ήχου από το `audio_url` σε κείμενο. Η είσοδος `language` είναι από προεπιλογή `auto` για ανίχνευση ή μπορείτε να επιλέξετε locale όπως en-US, de-DE ή ja-JP από τη λίστα. Το `acceleration` ανταλλάσσει ακρίβεια με ταχύτητα: το `none` είναι το ακριβέστερο, το `regular` ισορροπημένο, το `high` ταχύτερο και το `full` το ταχύτερο.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
audio_urlαπαιτείται audio
Τύποςurl · audio
URL αρχείου ήχου που χρησιμοποιείται για απομαγνητοφώνηση.
languageπροαιρετικό
Τύποςenum
Προεπιλογήauto
autoen-USen-GBes-USes-ESde-DEfr-FRfr-CAit-ITar-ARja-JPko-KRpt-BRpt-PTru-RUhi-IN
+25 ακόμηzh-CNvi-VNhe-ILnl-NLcs-CZda-DKpl-PLnn-NOnb-NOsv-SEth-THtr-TRbg-BGel-GRet-EEfi-FIhr-HRhu-HUlt-LTlv-LVro-ROsk-SKuk-UAmt-MTsl-SI
Prompt αναγνώρισης γλώσσας για απομαγνητοφώνηση, που δέχεται είτε γλώσσα-στόχο είτε 'auto' για ανίχνευση βάσει μοντέλου.
accelerationπροαιρετικό
Τύποςenum
Προεπιλογήregular
noneregularhighfull
Ρύθμιση ταχύτητας/ακρίβειας βάσει μήκους τμήματος: 1.12s με 'none' παρέχει την καλύτερη ακρίβεια· 0.56s με 'regular' εξισορροπεί ταχύτητα και ακρίβεια· 0.32s με 'high' είναι ταχύτερο· 0.08s με 'full' είναι το ταχύτερο.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "nvidia/nemotron-asr-multilingual/asr",
  "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": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "output": "Actually, I'm second guessing myself a single coherent passage might be cleaner and more representative of real world speech performance, which is what benchmarking typically uses. I'll write an engaging flowing piece on something like a journey or a day in a tech forward city. That weaves in all the varied elements naturally, rather than splitting it into sections. I'm deciding to keep the targeted tricky sentences section after all. It'll directly test homophones and number heavy lines that are most prone to errors, so I'll include it as a concise, clearly marked addition at the end now. I'm drafting the full passage, starting with a detailed travel narrative that weaves in dates, times, currency, and specific details by the time we pulled into Waverley Station, my phone had buzzed forty seven times, mostly from doctor Amara Akon Reyes at Neurosynt Technologies fretting over our board presentation. We'd spent three weeks refining a transformer model with one point three billion parameters, and the improvements were stunning. Our word error rate plummeted from fourteen point two percent down to three point eight percent. There's something surreal about watching those number shift like that. They're not just metrics they're the payoff from countless late nights and too much coffee.",
    "partial": false
  },
  "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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
output
stringΚείμενο που προέκυψε από την απομαγνητοφώνηση του ήχου.
partial
booleanTrue όταν το αποτέλεσμα ροής είναι ενδιάμεσο.

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/nvidia/nemotron-asr-multilingual/asr.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt