Gå til innhold

Nemotron Asr Multilingual

Integrer

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"

Filer som eksempelet: 0,002 $ 2 API-kreditter · ≈ 0,22 ₽ filene dine måles før kjøring Kjør den på denne siden

Hent API-nøkkel
NVIDIA Tale til tekst #utility#transcribe

Flerspråklig taletranskripsjon med automatisk språkdeteksjon og fire nivåer for hastighet og nøyaktighet

NVIDIA · Tekst

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

•obligatorisk audio_url
Slipp en fil, eller

URL til lydfilen som brukes til transkripsjon.

Avansert acceleration · language
acceleration standard regular

Innstilling for hastighet/nøyaktighet basert på delingslengde: 1.12s med 'none' gir best nøyaktighet; 0.56s med 'regular' balanserer hastighet og nøyaktighet; 0.32s med 'high' er raskere; 0.08s med 'full' er raskest.

standard auto

Språk-ID-prompt for transkripsjon, som godtar enten et målspråk eller 'auto' for modellbasert gjenkjenning.

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

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om Nemotron Asr Multilingual

Transkriberer en lydfil fra `audio_url` til tekst. `language`-inndata er som standard `auto` for deteksjon, eller du kan velge en lokalitet som en-US, de-DE eller ja-JP fra listen. `acceleration` balanserer nøyaktighet mot hastighet: `none` er mest nøyaktig, `regular` er balansert, `high` er raskere, og `full` er raskest.

Parametere

Send enten det kanoniske navnet eller det opprinnelige navnet, ikke begge. Kanoniske navn

NavnType StandardTillatt Beskrivelse
audio_urlobligatorisk audio
Typeurl · audio
URL til lydfilen som brukes til transkripsjon.
languagevalgfritt
Typeenum
Standardauto
autoen-USen-GBes-USes-ESde-DEfr-FRfr-CAit-ITar-ARja-JPko-KRpt-BRpt-PTru-RUhi-IN
+25 flerezh-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
Språk-ID-prompt for transkripsjon, som godtar enten et målspråk eller 'auto' for modellbasert gjenkjenning.
accelerationvalgfritt
Typeenum
Standardregular
noneregularhighfull
Innstilling for hastighet/nøyaktighet basert på delingslengde: 1.12s med 'none' gir best nøyaktighet; 0.56s med 'regular' balanserer hastighet og nøyaktighet; 0.32s med 'high' er raskere; 0.08s med 'full' er raskest.
obligatorisk Kanonisk navn, også godkjent

Filparametere tar imot en offentlig https:// URL, en data: URI på opptil 10 MB eller file_url fra en opplasting. Filer

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
output
stringTekst hentet ved transkripsjon av lyden.
partial
booleanTrue når strømmeresultatet er mellomliggende.

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/nvidia/nemotron-asr-multilingual/asr.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt