NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B

Описание

Nemotron 3.5 ASR Streaming Multilingual 0.6B — это модель распознавания речи от NVIDIA. Разработанная на основе архитектуры FastConformer-RNNT с учетом кэша и возможностью обуславливания промптами, она обеспечивает транскрипцию с низкой задержкой для более чем 40 языков, что делает ее идеальной для субтитров в реальном времени, голосовых помощников и многоязычных систем транскрипции.

Характеристики

API и примеры кода

from openai import OpenAI

client = OpenAI(
    base_url="https://infergate.ru/api/v1",
    api_key="sk-•••",
)

with open("speech.mp3", "rb") as f:
    resp = client.audio.transcriptions.create(
        model="nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b",
        file=f,
        language="ru",
    )
print(resp.text)

Поддерживаемые параметры запроса