01
Transkription in 40 Sprachen
NVIDIA unterteilt seine 40 Transkriptionssprachen in drei Stufen: 13 führende, 15 produktionsreife und 12 unterstützte. Das Modell kann die gesprochene Sprache automatisch erkennen.
Input
Click to upload or drag and drop
Supported formats: MP4, QUICKTIME, WEBM Maximum file size: 200MB; Supported formats: MPEG, WAV, X-WAV, AAC, MP4, OGG, FLAC, OPUS Maximum file size: 200MB
Audio to transcribe: a publicly downloadable URL. Common formats work (MP3, WAV, M4A/AAC, FLAC, OGG/Opus, WEBM), and so do videos with an audio track (MP4, MOV); only the sound is used. Up to 60 minutes and 200 MB per file. The language is detected automatically.
Also return word-level start and end times and speaker labels in the result file. Transcription only: not available together with target_language. The example output was produced with timestamps on and lists only the first 40 words; the API result file contains every word.
Leave empty (default) to transcribe in the spoken language. Pick a language to translate the speech into it instead. Translation is guaranteed between English and the other listed languages: non-English speech into English (en), or English speech into another language.
Output
output typetext
Loading JSON viewer...
README
Complete guide to using nvidia/nemotron-3-5-transcribe
Nemotron 3.5 Transcribe API für mehrsprachige Sprache-zu-Text-Transkription
Transkribieren Sie Audio in 40 Sprachen mit dem Modell Nemotron 3.5 Transcribe von NVIDIA. Auf Kie.ai kann eine einzige Anfrage das Transkript, timestamps auf Wortebene, Sprechersegmente für bis zu 8 Sprecher und die Sprachübersetzung zwischen Englisch und 31 Sprachen liefern, abgerechnet pro Audiosekunde.
Was die Nemotron 3.5 Transcribe API kann
02
Wort-Zeitstempel und Sprecherkennungen in einem Durchgang
Erhalten Sie Start- und Endzeiten für jedes Wort sowie Sprechersegmente für bis zu 8 Sprecher im selben Ergebnis. NVIDIA unterstützt die Sprecherdiarisierung in 13 Sprachen.
03
Sprachübersetzung ins und aus dem Englischen
Neben der Transkription übersetzt das Modell gesprochene Sprache zwischen Englisch und 31 Sprachen, sodass ein einziger Aufruf eine Aufnahme in einer unterstützten Sprache in englischen Text oder englische Sprache in Text in einer unterstützten Sprache umwandeln kann.
04
Entwickelt für Langform-Audio
NVIDIA hat das Modell mit Audiodateien von bis zu einer Stunde Länge trainiert und veröffentlicht Ergebnisse zu Langform-Testdatensätzen wie etwa Bilanzkonferenzen.
Genauigkeit von Nemotron 3.5 Transcribe (laut NVIDIA)
NVIDIA gibt die folgenden Wortfehlerraten (WER, niedriger ist besser) über öffentliche Testdatensätze hinweg an. Diese Werte stammen aus den veröffentlichten Ergebnissen von NVIDIA und wurden nicht auf Kie.ai gemessen.
| Testdatensatz | Abdeckung | Nemotron 3.5 Transcribe | Whisper-large-v3 |
|---|---|---|---|
| Open ASR (9 englische Testdatensätze, Durchschnitt) | Allgemeine englische Sprache | 4.71% | 6.66% |
| Earnings21/22 und CORAAL (Durchschnitt) | Langform-Audio | 10.98% | 13.92% |
| AMI | Besprechungsaufnahmen | 7.81% | 13.63% |
| Durchschnitt über 7 Sprachen | Mehrsprachige Sprache | 4.62% | 7.94% |
So nutzen Sie die Nemotron 3.5 Transcribe API auf Kie.ai
- 1
Schritt 1. Ihren API-Key abrufen
Erstellen Sie ein Konto auf Kie.ai, öffnen Sie die Seite zur API-Key-Verwaltung und generieren Sie einen API-Key. Übergeben Sie ihn bei jeder Anfrage im Header Authorization: Bearer YOUR_API_KEY. - 2
Schritt 2. Eine Transkriptionsaufgabe erstellen
Senden Sie eine POST-Anfrage an /api/v1/jobs/createTask mit dem Modell Nemotron 3.5 Transcribe und der URL Ihrer Audiodatei in audio_url. Setzen Sie timestamps, um Zeitstempel auf Wortebene zu erhalten, und setzen Sie target_language, wenn die Sprache übersetzt werden soll; Sprecherkennungen sind im Ergebnis enthalten. - 3
Schritt 3. Das Ergebnis auslesen
Die Transkription läuft als asynchrone Aufgabe. Sobald der Auftrag abgeschlossen ist, lesen Sie das Ergebnis aus, um das Transkript, die Sprechersegmente und, sofern Sie diese angefordert haben, die Wort-timestamps abzurufen.
Tipps vor dem Produktiveinsatz
- 01
Zuerst auf Stille im Audio prüfen
NVIDIA weist darauf hin, dass stille Eingaben oder Audio ohne Sprache Text erzeugen können, der nie gesprochen wurde. Überspringen Sie stille Aufnahmen und schneiden Sie lange Pausen heraus, bevor Sie Audio übermitteln. - 02
Schwachstellen kennen
Laut NVIDIA werden codeähnliche Begriffe, niederländisches Audio und Sprachaufnahmen mit Sprachwechsel – wie gemischtes Chinesisch und Englisch – weniger genau transkribiert als mit Whisper-large-v3. - 03
Verarbeitung ganzer Dateien einplanen
Da das Modell vollständige Dateien transkribiert, ohne Teilergebnisse zu streamen oder Konfidenzwerte zurückzugeben, sollten Sie Ihren Workflow auf ein fertiges Transkript ausrichten.
Warum die Nemotron-3.5-Transcribe-API auf Kie.ai nutzen?
Ein Key für den gesamten Kie.ai-Marktplatz
Alle Modelle auf dem Kie.ai-Marktplatz verwenden dieselbe Authentifizierungsmethode: einen Header Authorization: Bearer YOUR_API_KEY mit dem Schlüssel von Ihrer Kie.ai-Seite zur API-Key-Verwaltung.
Kostenlose Credits zum Start
Neue Kie.ai-Nutzer erhalten 80 kostenlose Credits zum Testen. Ihr Konto verfügt über ein zentrales Credits-Guthaben, auf das alle Generierungsdienste zugreifen und das Sie über die API zum Abrufen verbleibender Credits abfragen können.
Kein Hosting und keine Installation nötig
Kie.ai stellt dieses Modell als API mit einem Playground bereit; es muss keine App heruntergeladen oder installiert werden. Sie müssen weder GPUs noch Modellgewichte verwalten.
Typische Anwendungsfälle für die Nemotron-3.5-Transcribe-API
Da eine einzige Anfrage Text, timestamps und Sprecher-Labels liefern kann, eignet sich das Modell für Workloads, die mehr als ein reines Transkript benötigen.
Meeting- und Interviewnotizen
Wandeln Sie lange Meetings und Interviews in strukturierte Transkripte mit getrennten und zeitlich markierten Beiträgen jedes Sprechers um.
Untertitel
Synchronisieren Sie Untertitel anhand wortgenauer Start- und End-timestamps mit dem Video.
Mehrsprachige Inhalte
Transkribieren Sie Quellaufnahmen in 40 Sprachen oder übersetzen Sie Sprache im selben Aufruf zwischen Englisch und 31 Sprachen.
Earnings Calls und lange Aufnahmen
Verwandeln Sie Earnings Calls und andere lange Aufnahmen in durchsuchbaren Text.
Häufig gestellte Fragen
Was kostet die Nemotron-3.5-Transcribe-API?
Die Nutzung wird pro Audiosekunde abgerechnet; timestamps pro Wort, Sprecher-Labels und Übersetzungen sind ohne Aufpreis enthalten. Den aktuellen Tarif finden Sie in der Preisübersicht oben.
Welche Sprachen unterstützt Nemotron 3.5 Transcribe?
Das Modell unterstützt 40 Transkriptionssprachen über drei NVIDIA-Stufen hinweg sowie Sprecherdiarisierung in 13 Sprachen, Sprachübersetzung zwischen Englisch und 31 Sprachen und automatische Erkennung der gesprochenen Sprache.
Liefert die Nemotron 3.5 Transcribe API timestamps und Sprecher-Labels?
Ja. Eine Anfrage kann das Transkript zusammen mit wortgenauen Start- und Endzeiten sowie Sprechersegmenten für bis zu 8 Sprecher zurückgeben. NVIDIA unterstützt die Sprecherdiarisierung in 13 Sprachen.
Wie genau ist Nemotron 3.5 Transcribe?
Über 9 öffentliche englische Testdatensätze hinweg gibt NVIDIA eine durchschnittliche Wortfehlerrate von 4,71 % an, verglichen mit 6,66 % bei Whisper-large-v3. Weitere Benchmarks finden Sie in der Genauigkeitstabelle oben.
Welche Audioformate und -längen kann ich senden?
Übergeben Sie eine Audio-URL in einem gängigen Format wie WAV, FLAC, MP3, OGG oder M4A. Das Audio wird als 16-kHz-Mono verarbeitet, und NVIDIA hat das Modell mit Dateien von bis zu einer Stunde Länge trainiert.
Unterstützt Nemotron 3.5 Transcribe Echtzeit-Streaming?
Nein. Das Modell transkribiert vollständige Audiodateien offline, anstatt Teilergebnisse zu streamen.
Ist die Nemotron-3.5-Transcribe-API kostenlos?
Nein. Jede Anfrage verbraucht Credits zu dem in der Preisübersicht oben angegebenen Tarif; neue Kie.ai-Nutzer erhalten jedoch 80 kostenlose Credits zum Testen.
Wie erhalte ich einen Nemotron-3.5-Transcribe-API-Key?
Registrieren Sie sich auf Kie.ai und erstellen Sie einen Key auf der Seite zur API-Key-Verwaltung. Derselbe Key funktioniert für jedes Modell auf dem Kie.ai-Marktplatz.