Lumaktaw sa nilalaman

Nemotron 3 Nano Omni · Audio

I-integrate

ID ng modelo 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"

Hanggang $0.622 bawat pagtakbo sinisingil ayon sa aktuwal na paggamit, at nire-refund ang natitira Patakbuhin ito sa page na ito

Kumuha ng API key
NVIDIA Speech patungong Text #nemotron#nvidia#audio-to-text#audio-understanding

Sumasagot sa mga prompt tungkol sa isang audio clip (wav o mp3, hanggang 50 minuto) at nagbabalik ng teksto

NVIDIA · Text

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan

Tekstong ibinibigay bilang prompt ng modelo; dapat nasa English.

Opsyonal na gabay sa modelo na ibinibigay bilang system prompt, na hindi kasama ang reasoning sa mga kontrol nito; gamitin ang `reasoning_mode` para dito.

•kinakailangan audio_url
Mag-drop ng file, o

URL ng audio clip para sa reasoning input; tumatanggap ng wav o mp3 na may tagal na hindi lalampas sa 50 minuto.

default na 1024

Pinakamataas na bilang ng mga nabuong token.

advanced reasoning_mode · temperature · top_p · enable_safety_checker
reasoning_mode default na no_think

Format ng sagot: kasama sa `think` ang tahasang chain-of-thought trace bago ipakita ang final na sagot. Para sa direktang sagot na walang trace na iyon, gamitin ang `no_think`.

default na 0.7

Temperature na ginagamit sa sampling; mas deterministic ang output kapag mas mababa ang mga value.

default na 0.95

Probability mass na ginagamit para sa nucleus sampling.

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

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Nemotron 3 Nano Omni · Audio

Tumatanggap ang variant para sa audio ng `audio_url` na tumuturo sa wav o mp3 clip na hanggang 50 minuto, kasama ang tekstong `prompt`, at nagbabalik ng tugon na teksto. Angkop ito sa mga gawaing transcription o pagsagot sa tanong tungkol sa tunog. Ino-on o ino-off ng `reasoning_mode` ang tahasang tala ng reasoning, at maaaring umabot sa 20,000 ang `max_tokens`. Dapat nasa Ingles ang mga prompt.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
promptkinakailangan
Uristring
Tekstong ibinibigay bilang prompt ng modelo; dapat nasa English.
system_promptopsyonal
Uristring | null
Opsyonal na gabay sa modelo na ibinibigay bilang system prompt, na hindi kasama ang reasoning sa mga kontrol nito; gamitin ang `reasoning_mode` para dito.
reasoning_modeopsyonal
Urienum
defaultno_think
thinkno_think
Format ng sagot: kasama sa `think` ang tahasang chain-of-thought trace bago ipakita ang final na sagot. Para sa direktang sagot na walang trace na iyon, gamitin ang `no_think`.
max_tokensopsyonal
Uriinteger
default1024
1 – 20,000
Pinakamataas na bilang ng mga nabuong token.
temperatureopsyonal
Urinumber
default0.7
0 – 2
Temperature na ginagamit sa sampling; mas deterministic ang output kapag mas mababa ang mga value.
top_popsyonal
Urinumber
default0.95
0 – 1
Probability mass na ginagamit para sa nucleus sampling.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Kinokontrol kung pinapagana ang safety checking.
audio_urlkinakailangan audio
Uriurl · audio
URL ng audio clip para sa reasoning input; tumatanggap ng wav o mp3 na may tagal na hindi lalampas sa 50 minuto.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
output
stringTekstong ginawa bilang tugon.
finish_reason
stringDahilan ng pagtatapos ng pagbuo.
usage
object {input_tokens, output_tokens}Pagkonsumo ng token na kaugnay ng kahilingan.

Higit pang modelo: Speech patungong Text

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/nvidia/nemotron-3-nano-omni/audio.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt