Ugrás a tartalomhoz

Nemotron 3 Nano Omni · Audio

Integráció

Modellazonosító 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"

Futtatásonként legfeljebb 0,622 $ a tényleges használat alapján számlázunk, a fennmaradó összeget visszatérítjük Futtatás ezen az oldalon

API-kulcs beszerzése
NVIDIA Beszédből szöveg #nemotron#nvidia#audio-to-text#audio-understanding

Egy hangklipről (wav vagy mp3, legfeljebb 50 perc) kapott promptra szöveges választ ad

NVIDIA · Szöveg

Az első eredményed itt jelenik meg

Állíts össze egy kérést alább, majd futtasd az API-kulcsoddal. A kimeneteket a tárhelyünkre másoljuk, és örökre vagy 7 nap ideig ingyenesen őrizzük meg.

Kérés összeállítása

A vezérlők a modell sémájából jönnek létre. A kód és az ár a módosításokkal együtt frissül.

•kötelező

A modell promptjaként megadott szöveg; angol nyelvűnek kell lennie.

Rendszerpromptként megadott opcionális modellutasítás; a gondolkodás nincs hatással a vezérlőire, ehhez használja a `reasoning_mode` értéket.

•kötelező audio_url
Húzz egy fájlt ide, vagy

A gondolkodási bemenet hangklipjének URL-je; legfeljebb 50 perces wav vagy mp3 fájlt fogad.

alapértelmezett: 1024

A generált tokenek felső korlátja.

Speciális reasoning_mode · temperature · top_p · enable_safety_checker
reasoning_mode alapértelmezett: no_think

Válaszformátum: a `think` a végső válasz előtt explicit gondolatmenetet tartalmaz. A gondolatmenet nélküli közvetlen válaszhoz használja a `no_think` értéket.

alapértelmezett: 0.7

A mintavételezés hőmérséklete; az alacsonyabb értékek determinisztikusabb kimenetet eredményeznek.

alapértelmezett: 0.95

A nucleus sampling során használt valószínűségi tömeg.

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

Kérés futtatása

A kulcsod ebben a böngészőben marad: csak a Doitong API-nak küldjük el, és csak akkor mentjük a localStorage-ba, ha bejelölöd az Emlékezz rám lehetőséget. API-kulcs igénylése

A(z) Nemotron 3 Nano Omni · Audio bemutatása

A hangváltozat egy legfeljebb 50 perces wav vagy mp3 klipre mutató `audio_url` értéket és egy szöveges `prompt` értéket fogad, majd szöveges választ ad. Átírás jellegű vagy a hanggal kapcsolatos kérdés-válasz feladatokra alkalmas. A `reasoning_mode` explicit gondolkodási nyomot kapcsol be, a `max_tokens` pedig elérheti a 20,000 értéket. A promptoknak angolul kell lenniük.

Paraméterek

Küldd el a kanonikus nevet vagy a natív nevet, de ne mindkettőt. Kanonikus nevek

NévTípus AlapértelmezettEngedélyezett Leírás
promptkötelező
Típusstring
A modell promptjaként megadott szöveg; angol nyelvűnek kell lennie.
system_promptnem kötelező
Típusstring | null
Rendszerpromptként megadott opcionális modellutasítás; a gondolkodás nincs hatással a vezérlőire, ehhez használja a `reasoning_mode` értéket.
reasoning_modenem kötelező
Típusenum
Alapértelmezettno_think
thinkno_think
Válaszformátum: a `think` a végső válasz előtt explicit gondolatmenetet tartalmaz. A gondolatmenet nélküli közvetlen válaszhoz használja a `no_think` értéket.
max_tokensnem kötelező
Típusinteger
Alapértelmezett1024
1 – 20 000
A generált tokenek felső korlátja.
temperaturenem kötelező
Típusnumber
Alapértelmezett0.7
0 – 2
A mintavételezés hőmérséklete; az alacsonyabb értékek determinisztikusabb kimenetet eredményeznek.
top_pnem kötelező
Típusnumber
Alapértelmezett0.95
0 – 1
A nucleus sampling során használt valószínűségi tömeg.
enable_safety_checkernem kötelező
Típusboolean
Alapértelmezetttrue
Meghatározza, hogy engedélyezve van-e a biztonsági ellenőrzés.
audio_urlkötelező audio
Típusurl · audio
A gondolkodási bemenet hangklipjének URL-je; legfeljebb 50 perces wav vagy mp3 fájlt fogad.
kötelező Kanonikus név, szintén elfogadva

A fájlparaméterek nyilvános https:// URL-t, legfeljebb 10 MB-os data: URI-t vagy egy feltöltés file_url értékét fogadják el. Fájlok

Kimenet

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"
  }
}
Az Ön fájljai, az Ön döntéseMinden outputs[].url a tárhelyünkön lévő másolat: örökre megőrizve (GB-hónaponként fizetve) vagy 7 nap ideig ingyenesen, a fiókbeállításod vagy a ?storage= alapján.
Azonos struktúra minden modellentype, url, content_type, width, height és duration képekhez, videókhoz és hanganyagokhoz egyaránt. Az output a modell saját eredményobjektuma.
A kimenet mezői
output
stringVálaszként előállított szöveg.
finish_reason
stringA generálás befejezésének oka.
usage
object {input_tokens, output_tokens}A kéréshez kapcsolódó tokenfelhasználás.

További modellek: Beszédből szöveg

AI-ügynököknek: ez az oldal Markdown formátumban itt található: https://doitong.com/hu/developers/models/nvidia/nemotron-3-nano-omni/audio.md. Minden modell és útmutató: https://doitong.com/developers/llms.txt