Léim chuig an ábhar

Nemotron 3 Nano Omni · Audio

Comhtháthú

Aitheantas na samhla 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"

Suas le $0.622 in aghaidh an rith gearrtar táille de réir na húsáide iarbhír, aisíoctar an fuílleach Rith ar an leathanach seo

Faigh eochair API
NVIDIA Urlabhra go Téacs #nemotron#nvidia#audio-to-text#audio-understanding

Freagraíonn sé leideanna faoi ghearrthóg fuaime (wav nó mp3, suas le 50 nóiméad), agus filleann sé téacs

NVIDIA · Téacs

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach

Téacs a sholáthraítear mar leid na samhla; caithfidh sé a bheith i mBéarla.

Treoir roghnach don tsamhail a sholáthraítear mar leid chórais, gan réasúnaíocht a áireamh ina rialuithe; úsáid `reasoning_mode` chuige sin.

•riachtanach audio_url
Scaoil comhad, nó

URL gearrthóige fuaime don ionchur réasúnaíochta; glacann sé le wav nó mp3 ar feadh nach faide ná 50 nóiméad.

réamhshocrú 1024

Uasteorainn ar thócan ginte.

Ardleibhéal reasoning_mode · temperature · top_p · enable_safety_checker
reasoning_mode réamhshocrú no_think

Formáid freagartha: áiríonn `think` rian sainráite slabhra smaointeoireachta sula gcuirtear an freagra deiridh i láthair. Le haghaidh freagra díreach gan an rian sin, úsáid `no_think`.

réamhshocrú 0.7

Teocht a úsáidtear le haghaidh samplála; déanann luachanna níos lú an t-aschur níos cinniúnaí.

réamhshocrú 0.95

Mais dóchúlachta a úsáidtear le haghaidh samplála núicléis.

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

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Nemotron 3 Nano Omni · Audio

Glacann an leagan fuaime `audio_url` a dhíríonn ar ghearrthóg wav nó mp3 suas le 50 nóiméad, chomh maith le `prompt` téacs, agus filleann sé freagra téacs. Tá sé oiriúnach do thascanna tras-scríofa nó ceisteanna agus freagraí faoin bhfuaim. Scoránaíonn `reasoning_mode` rian sainráite réasúnaithe, agus is féidir le `max_tokens` 20,000 a bhaint amach. Ba cheart na leideanna a bheith i mBéarla.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
promptriachtanach
Cineálstring
Téacs a sholáthraítear mar leid na samhla; caithfidh sé a bheith i mBéarla.
system_promptroghnach
Cineálstring | null
Treoir roghnach don tsamhail a sholáthraítear mar leid chórais, gan réasúnaíocht a áireamh ina rialuithe; úsáid `reasoning_mode` chuige sin.
reasoning_moderoghnach
Cineálenum
Réamhshocrúno_think
thinkno_think
Formáid freagartha: áiríonn `think` rian sainráite slabhra smaointeoireachta sula gcuirtear an freagra deiridh i láthair. Le haghaidh freagra díreach gan an rian sin, úsáid `no_think`.
max_tokensroghnach
Cineálinteger
Réamhshocrú1024
1 – 20,000
Uasteorainn ar thócan ginte.
temperatureroghnach
Cineálnumber
Réamhshocrú0.7
0 – 2
Teocht a úsáidtear le haghaidh samplála; déanann luachanna níos lú an t-aschur níos cinniúnaí.
top_proghnach
Cineálnumber
Réamhshocrú0.95
0 – 1
Mais dóchúlachta a úsáidtear le haghaidh samplála núicléis.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Rialaíonn sé an bhfuil seiceáil sábháilteachta cumasaithe.
audio_urlriachtanach audio
Cineálurl · audio
URL gearrthóige fuaime don ionchur réasúnaíochta; glacann sé le wav nó mp3 ar feadh nach faide ná 50 nóiméad.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
output
stringTéacs a tháirgtear mar an freagra.
finish_reason
stringCúis le deireadh a chur leis an nginiúint.
usage
object {input_tokens, output_tokens}Tomhaltas tócan a bhaineann leis an iarratas.

Tuilleadh samhlacha: Urlabhra go Téacs

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/nvidia/nemotron-3-nano-omni/audio.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt