مواد پر جائیں

Nemotron 3 Nano Omni · Audio

انٹیگریٹ کریں

ماڈل 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"

ہر رن کے لیے ⁨$0.622⁩ تک حقیقی استعمال کے مطابق چارج، باقی رقم واپس اس صفحے پر چلائیں

API کلید حاصل کریں
NVIDIA آواز سے متن #nemotron#nvidia#audio-to-text#audio-understanding

آڈیو کلپ (wav یا mp3، زیادہ سے زیادہ 50 منٹ) کے بارے میں پرامپٹ کا جواب دیتا ہے اور متن واپس کرتا ہے

NVIDIA · متن

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی

ماڈل کے پرامپٹ کے طور پر فراہم کیا گیا متن؛ English میں ہونا ضروری ہے۔

سسٹم پرامپٹ کے طور پر فراہم کردہ ماڈل کے لیے اختیاری رہنمائی، جس کے کنٹرولز میں استدلال شامل نہیں؛ اس کے لیے `reasoning_mode` استعمال کریں۔

•لازمی audio_url
فائل ڈراپ کریں، یا

reasoning ان پٹ کے لیے آڈیو clip کا URL؛ زیادہ سے زیادہ 50 منٹ دورانیے والی wav یا mp3 قبول ہے۔

ڈیفالٹ 1024

تخلیق کردہ ٹوکن کی بالائی حد۔

ایڈوانسڈ reasoning_mode · temperature · top_p · enable_safety_checker
reasoning_mode ڈیفالٹ no_think

جواب کا format: `think` حتمی جواب سے پہلے واضح chain-of-thought trace شامل کرتا ہے۔ اس trace کے بغیر براہِ راست جواب کے لیے `no_think` استعمال کریں۔

ڈیفالٹ 0.7

sampling کے لیے temperature؛ کم قدریں آؤٹ پٹ کو زیادہ deterministic بناتی ہیں۔

ڈیفالٹ 0.95

nucleus sampling کے لیے استعمال ہونے والا probability mass۔

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

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

Nemotron 3 Nano Omni · Audio کے بارے میں

آڈیو ویرینٹ ایک `audio_url` قبول کرتا ہے جو زیادہ سے زیادہ 50 منٹ کے wav یا mp3 کلپ کی طرف اشارہ کرتا ہے، ساتھ میں متن کا `prompt` بھی ہوتا ہے، اور متن کا جواب لوٹاتا ہے۔ یہ ٹرانسکرپشن جیسے یا آواز سے متعلق سوال و جواب کے کاموں کے لیے موزوں ہے۔ `reasoning_mode` واضح استدلالی ٹریس کو فعال کرتا ہے، اور `max_tokens` 20,000 تک پہنچ سکتا ہے۔ پرامپٹس انگریزی میں ہونے چاہییں۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل
promptلازمی
قسمstring
ماڈل کے پرامپٹ کے طور پر فراہم کیا گیا متن؛ English میں ہونا ضروری ہے۔
system_promptاختیاری
قسمstring | null
سسٹم پرامپٹ کے طور پر فراہم کردہ ماڈل کے لیے اختیاری رہنمائی، جس کے کنٹرولز میں استدلال شامل نہیں؛ اس کے لیے `reasoning_mode` استعمال کریں۔
reasoning_modeاختیاری
قسمenum
ڈیفالٹno_think
thinkno_think
جواب کا format: `think` حتمی جواب سے پہلے واضح chain-of-thought trace شامل کرتا ہے۔ اس trace کے بغیر براہِ راست جواب کے لیے `no_think` استعمال کریں۔
max_tokensاختیاری
قسمinteger
ڈیفالٹ1024
1 – 20,000
تخلیق کردہ ٹوکن کی بالائی حد۔
temperatureاختیاری
قسمnumber
ڈیفالٹ0.7
0 – 2
sampling کے لیے temperature؛ کم قدریں آؤٹ پٹ کو زیادہ deterministic بناتی ہیں۔
top_pاختیاری
قسمnumber
ڈیفالٹ0.95
0 – 1
nucleus sampling کے لیے استعمال ہونے والا probability mass۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
یہ کنٹرول کرتا ہے کہ حفاظتی جانچ فعال ہو یا نہیں۔
audio_urlلازمی audio
قسمurl · audio
reasoning ان پٹ کے لیے آڈیو clip کا URL؛ زیادہ سے زیادہ 50 منٹ دورانیے والی wav یا mp3 قبول ہے۔
لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
output
stringجواب کے طور پر تیار کیا گیا متن۔
finish_reason
stringتخلیق ختم ہونے کی وجہ۔
usage
object {input_tokens, output_tokens}درخواست سے متعلق ٹوکن کا استعمال۔

مزید ماڈلز: آواز سے متن

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/nvidia/nemotron-3-nano-omni/audio.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt