Hoppa till innehåll

Nemotron Asr Multilingual

Integrera

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 exemplet: 0,002 $ 2 API-krediter · ≈ 0,21 ₽ dina filer mäts innan körningen Kör den på den här sidan

Hämta API-nyckel
NVIDIA Tal till text #utility#transcribe

Flerspråkig taltranskribering med automatisk språkdetektering och fyra nivåer för hastighet och noggrannhet

NVIDIA · Text

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt audio_url
Släpp en fil eller

URL till ljudfil som används för transkribering.

Avancerat acceleration · language
acceleration standard regular

Inställning för hastighet/noggrannhet baserad på segmentlängd: 1.12s med 'none' ger bäst noggrannhet; 0.56s med 'regular' balanserar hastighet och noggrannhet; 0.32s med 'high' är snabbare; 0.08s med 'full' är snabbast.

standard auto

Språk-ID-prompt för transkribering, som accepterar antingen ett målspråk eller 'auto' för modellbaserad identifiering.

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"

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Nemotron Asr Multilingual

Transkriberar en ljudfil från `audio_url` till text. Indata för `language` är som standard `auto` för detektering, eller så kan du välja en locale som en-US, de-DE eller ja-JP från listan. `acceleration` byter noggrannhet mot hastighet: `none` är noggrannast, `regular` är balanserad, `high` är snabbare och `full` är snabbast.

Parametrar

Skicka antingen det kanoniska namnet eller det inbyggda namnet, inte båda. Kanoniska namn

NamnTyp StandardTillåtna Beskrivning
audio_urlobligatoriskt audio
Typurl · audio
URL till ljudfil som används för transkribering.
languagevalfritt
Typenum
Standardauto
autoen-USen-GBes-USes-ESde-DEfr-FRfr-CAit-ITar-ARja-JPko-KRpt-BRpt-PTru-RUhi-IN
+25 tillzh-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 för transkribering, som accepterar antingen ett målspråk eller 'auto' för modellbaserad identifiering.
accelerationvalfritt
Typenum
Standardregular
noneregularhighfull
Inställning för hastighet/noggrannhet baserad på segmentlängd: 1.12s med 'none' ger bäst noggrannhet; 0.56s med 'regular' balanserar hastighet och noggrannhet; 0.32s med 'high' är snabbare; 0.08s med 'full' är snabbast.
obligatoriskt Kanoniskt namn, accepteras också

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
output
stringText som erhållits genom transkribering av ljudet.
partial
booleanTrue när streamingresultatet är ett mellanresultat.

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/nvidia/nemotron-asr-multilingual/asr.md. Alla modeller och guider: https://doitong.com/developers/llms.txt