NV
nvidia
NVIDIA: Parakeet TDT 0.6B v3
nvidia/parakeet-tdt-0.6b-v3تاریخ انتشار
۱۴۰۵/۳/۶
تعداد ارائهدهنده
۱
ورودیها
صوت
خروجیها
transcription
جزئیات قیمت
Audio Seconds۷٫۵تومان / ثانیه
درباره مدل
Parakeet TDT 0.6B v3 is NVIDIA's 600M-parameter multilingual speech-to-text model built on the FastConformer-TDT architecture. Trained on the Granary dataset (670,000+ hours of audio), it supports automatic language detection across all official EU languages and achieves a 6.34% average word error rate on the HuggingFace Open ASR Leaderboard. Returns transcribed text with punctuation and segment timestamps.
قابلیتهای مدل
ورودیهای پشتیبانیشده
صوت
خروجیهای پشتیبانیشده
transcription
معماری ورودی/خروجیaudio->transcription
ارائهدهندگان (۱)
| ارائهدهنده | ورودی (تومان / ۱M) | خروجی (تومان / ۱M) | پنجره متن | حداکثر خروجی | کوانتیزه | وضعیت |
|---|---|---|---|---|---|---|
| Together | — | — | — | — | — | فعال |
استفاده از طریق API
شناسه این مدل را در درخواستهای API هوشگر استفاده کنید:
POST https://api.hooshgar.ir/v1/chat/completions{
"model": "nvidia/parakeet-tdt-0.6b-v3",
"messages": [
{
"role": "user",
"content": "سلام"
}
]
}مستندات کامل APIمدلهای مرتبط
NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B
nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b
NVIDIA: Nemotron 3.5 Lightning (free)
nvidia/nemotron-3.5-lightning:free
۱٬۰۰۰٬۰۰۰ توکن
NVIDIA: Nemotron 3.5 Lightning
nvidia/nemotron-3.5-lightning
۲۶۲٬۱۴۴ توکن
NVIDIA: Nemotron 3 Embed 1B (free)
nvidia/nemotron-3-embed-1b:free
۳۲٬۷۶۸ توکن
NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)
nvidia/llama-nemotron-rerank-vl-1b-v2:free
۱۰٬۲۴۰ توکن
NVIDIA: Nemotron 3.5 Content Safety (free)
nvidia/nemotron-3.5-content-safety:free
۱۲۸٬۰۰۰ توکن
اطلاعات مدل بر اساس دادههای OpenRouter