Op den Inhalt sprangen

Nemotron 3 Nano Omni · Audio

Integréieren

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 Laf no der tatsächlecher Notzung verrechent, de Rescht gëtt rembourséiert Op dëser Säit ausféieren

API-Schlëssel kréien
NVIDIA Sprooch zu Text #nemotron#nvidia#audio-to-text#audio-understanding

Äntwert op Prompts iwwer en Audio-Clip (wav oder mp3, bis zu 50 Minutten) a liwwert Text zréck

NVIDIA · Text

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch

Text, deen als Prompt vum Modells geliwwert gëtt; muss op Englesch sinn.

Optional Modell-Guidance, déi als System-Prompt geliwwert gëtt, mat ausgeschlosser Begrënnung aus sengen Astellungen; benotzt dofir `reasoning_mode`.

•obligatoresch audio_url
Fichier erofzéien, oder

URL vum Audio-Clip fir de Begrënnungs-Input; wav oder mp3 mat enger Dauer vu maximal 50 Minutte ginn ugeholl.

Standard 1024

Uewergrenz fir generéiert Token.

Erweidert reasoning_mode · temperature · top_p · enable_safety_checker
reasoning_mode Standard no_think

Äntwertformat: `think` enthält eng explizit Chain-of-Thought-Spur virun der Schlussäntwert. Fir eng direkt Äntwert ouni dës Spur benotzt `no_think`.

Standard 0.7

Temperatur fir d'Sampling; méi kleng Wäerter maachen den Output méi deterministesch.

Standard 0.95

Wahrscheinlechkeetsmass fir Nucleus-Sampling.

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

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Nemotron 3 Nano Omni · Audio

D'Audio-Variant hëlt en `audio_url` un, deen op e wav- oder mp3-Clip vu bis zu 50 Minutte weist, zesumme mat engem Text-`prompt`, a gëtt eng Textäntwert zeréck. Si eegent sech fir Aufgaben am Stil vun Transkriptiounen oder Froen an Äntwerten iwwer den Toun. `reasoning_mode` schalt eng explizit Begrënnungsspur un, an `max_tokens` ka bis op 20,000 eropgesat ginn. Prompts sollten op Englesch sinn.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
promptobligatoresch
Typstring
Text, deen als Prompt vum Modells geliwwert gëtt; muss op Englesch sinn.
system_promptoptional
Typstring | null
Optional Modell-Guidance, déi als System-Prompt geliwwert gëtt, mat ausgeschlosser Begrënnung aus sengen Astellungen; benotzt dofir `reasoning_mode`.
reasoning_modeoptional
Typenum
Standardno_think
thinkno_think
Äntwertformat: `think` enthält eng explizit Chain-of-Thought-Spur virun der Schlussäntwert. Fir eng direkt Äntwert ouni dës Spur benotzt `no_think`.
max_tokensoptional
Typinteger
Standard1024
1 – 20.000
Uewergrenz fir generéiert Token.
temperatureoptional
Typnumber
Standard0.7
0 – 2
Temperatur fir d'Sampling; méi kleng Wäerter maachen den Output méi deterministesch.
top_poptional
Typnumber
Standard0.95
0 – 1
Wahrscheinlechkeetsmass fir Nucleus-Sampling.
enable_safety_checkeroptional
Typboolean
Standardtrue
Steiert, ob d'Sécherheetskontroll aktivéiert ass.
audio_urlobligatoresch audio
Typurl · audio
URL vum Audio-Clip fir de Begrënnungs-Input; wav oder mp3 mat enger Dauer vu maximal 50 Minutte ginn ugeholl.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
output
stringText, deen als Äntwert produzéiert gëtt.
finish_reason
stringGrond fir d'Ofschléisse vun der Generatioun.
usage
object {input_tokens, output_tokens}Token-Verbrauch, deen mat der Ufro verbonnen ass.

Méi Modeller: Sprooch zu Text

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/nvidia/nemotron-3-nano-omni/audio.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt