Op den Inhalt sprangen

Nemotron Asr Multilingual

Integréieren

Modell-ID 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"

Dateie wéi am Beispill: 0,002 $ 2 API-Kreditter · ≈ 0,22 ₽ Är Dateie gi virun der Ausféierung gemooss Op dëser Säit ausféieren

API-Schlëssel kréien
NVIDIA Sprooch zu Text #utility#transcribe

Méisproocheg Sproochtranskriptioun mat automatescher Sproocherkennung a véier Geschwindegkeets-/Genauegkeetsniveauen

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 audio_url
Fichier erofzéien, oder

URL vun der Audio-Datei, déi fir d'Transkriptioun benotzt gëtt.

Erweidert acceleration · language
acceleration Standard regular

Astellung vu Geschwindegkeet a Genauegkeet op Basis vun der Chunk-Längt: 1.12s mat 'none' liwwert déi bescht Genauegkeet; 0.56s mat 'regular' stellt e Gläichgewiicht tëscht Geschwindegkeet a Genauegkeet hier; 0.32s mat 'high' ass méi séier; 0.08s mat 'full' ass am séiersten.

Standard auto

Language-ID-Prompt fir d'Transkriptioun; akzeptéiert entweder eng Zilsprooch oder 'auto' fir d'modellbaséiert Erkennung.

POST /run/nvidia/nemotron-asr-multilingual/asr?wait=20 Präis → 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"

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 Asr Multilingual

Transkribéiert eng Audiodatei vu `audio_url` an Text. Den Input `language` steet standardméisseg op `auto` fir d'Erkennung, oder Dir kënnt eng Locale wéi en-US, de-DE oder ja-JP aus der Lëscht wielen. `acceleration` mécht en Ofwiessel tëscht Genauegkeet a Geschwindegkeet: `none` ass am genausten, `regular` ass equilibréiert, `high` ass méi séier an `full` am séiersten.

Parameteren

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

NummTyp StandardErlaabt Beschreiwung
audio_urlobligatoresch audio
Typurl · audio
URL vun der Audio-Datei, déi fir d'Transkriptioun benotzt gëtt.
languageoptional
Typenum
Standardauto
autoen-USen-GBes-USes-ESde-DEfr-FRfr-CAit-ITar-ARja-JPko-KRpt-BRpt-PTru-RUhi-IN
+25 méizh-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
Language-ID-Prompt fir d'Transkriptioun; akzeptéiert entweder eng Zilsprooch oder 'auto' fir d'modellbaséiert Erkennung.
accelerationoptional
Typenum
Standardregular
noneregularhighfull
Astellung vu Geschwindegkeet a Genauegkeet op Basis vun der Chunk-Längt: 1.12s mat 'none' liwwert déi bescht Genauegkeet; 0.56s mat 'regular' stellt e Gläichgewiicht tëscht Geschwindegkeet a Genauegkeet hier; 0.32s mat 'high' ass méi séier; 0.08s mat 'full' ass am séiersten.
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-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"
  }
}
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 duerch d'Transkriptioun vum Audio kritt gouf.
partial
booleanTrue, wann d'Resultat vum Streaming virleefeg ass.

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