01
Transcripción en 40 idiomas
NVIDIA organiza sus 40 idiomas de transcripción en tres niveles: 13 principales, 15 listos para producción y 12 compatibles. El modelo puede detectar el idioma hablado automáticamente.
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
API de Nemotron 3.5 Transcribe para voz a texto multilingüe
Transcribe audio en 40 idiomas con el modelo Nemotron 3.5 Transcribe de NVIDIA. En Kie.ai, una sola solicitud puede devolver la transcripción, timestamps a nivel de palabra, segmentos de hablante para hasta 8 hablantes y traducción de voz entre el inglés y 31 idiomas, con facturación por segundo de audio.
Qué puede hacer la API de Nemotron 3.5 Transcribe
02
Etiquetas de hablante y timestamps por palabra en una sola pasada
Obtén los tiempos de inicio y fin de cada palabra y segmentos de hablante para hasta 8 hablantes en el mismo resultado. NVIDIA admite la diarización de hablantes en 13 idiomas.
03
Traducción de voz hacia y desde el inglés
Además de la transcripción, el modelo traduce voz entre el inglés y 31 idiomas, por lo que una sola llamada puede convertir una grabación en un idioma compatible en texto en inglés, o voz en inglés en texto en un idioma compatible.
04
Diseñado para audio de larga duración
NVIDIA entrenó el modelo con archivos de audio de hasta una hora de duración y publica resultados en conjuntos de pruebas de larga duración, como llamadas de resultados financieros.
Precisión de Nemotron 3.5 Transcribe (informada por NVIDIA)
NVIDIA publica las siguientes tasas de error de palabras (WER, cuanto más bajo, mejor) en conjuntos de pruebas públicos. Estas cifras provienen de los resultados publicados por NVIDIA y no se midieron en Kie.ai.
| Conjunto de pruebas | Qué abarca | Nemotron 3.5 Transcribe | Whisper-large-v3 |
|---|---|---|---|
| Open ASR (9 conjuntos en inglés, promedio) | Voz general en inglés | 4.71% | 6.66% |
| Earnings21/22 y CORAAL (promedio) | Audio de larga duración | 10.98% | 13.92% |
| AMI | Grabaciones de reuniones | 7.81% | 13.63% |
| Promedio de 7 idiomas | Voz multilingüe | 4.62% | 7.94% |
Cómo usar la API de Nemotron 3.5 Transcribe en Kie.ai
- 1
Paso 1. Obtén tu API key
Crea una cuenta en Kie.ai, abre la página de gestión de API keys y genera una API key. Envíala en cada solicitud en el encabezado Authorization: Bearer YOUR_API_KEY. - 2
Paso 2. Crea una tarea de transcripción
Envía una solicitud POST a /api/v1/jobs/createTask con el modelo Nemotron 3.5 Transcribe y la URL de tu archivo de audio en audio_url. Configura timestamps para obtener los tiempos a nivel de palabra y define target_language cuando quieras traducir la voz; las etiquetas de hablante se incluyen en el resultado. - 3
Paso 3. Lee el resultado
La transcripción se ejecuta como una tarea asíncrona. Una vez que finalice el trabajo, lee el resultado para obtener la transcripción, los segmentos de hablante y, si los solicitaste, los timestamps por palabra.
Consejos antes de lanzar a producción
- 01
Comprueba primero si hay audio en silencio
NVIDIA señala que las entradas en silencio o sin voz pueden generar texto que nunca se pronunció. Omite las grabaciones en silencio y recorta los tramos largos de silencio antes de enviar el audio. - 02
Conoce los casos en los que rinde peor
Según NVIDIA, los términos similares a código, el audio en neerlandés y el habla que alterna entre idiomas, como la mezcla de chino e inglés, se transcriben con menor precisión que con Whisper-large-v3. - 03
Prepárate para procesar archivos completos
Dado que el modelo transcribe archivos completos sin transmitir resultados parciales ni devolver puntuaciones de confianza, diseña tu flujo de trabajo en torno a una transcripción finalizada.
Por qué usar la API de Nemotron 3.5 Transcribe en Kie.ai
La misma clave en todo el mercado de Kie.ai
Todos los modelos del mercado de Kie.ai utilizan el mismo método de autenticación: un encabezado Authorization: Bearer YOUR_API_KEY con la clave de tu página de gestión de API keys de Kie.ai.
Créditos gratis para empezar
Los nuevos usuarios de Kie.ai reciben 80 créditos gratis para hacer pruebas. Tu cuenta tiene un único saldo de créditos del que disponen todos los servicios de generación, y puedes consultarlo con la API Get Remaining Credits.
Nada que alojar ni instalar
Kie.ai ofrece este modelo como una API con un entorno de pruebas; no hay ninguna aplicación que descargar ni instalar. Tampoco hay GPU ni pesos de modelo que gestionar.
Usos habituales de la API de Nemotron 3.5 Transcribe
Dado que una sola solicitud puede devolver texto, timestamps y etiquetas de hablante, el modelo se adapta a cargas de trabajo que necesitan más que una simple transcripción.
Notas de reuniones y entrevistas
Convierte reuniones y entrevistas largas en transcripciones estructuradas con las intervenciones de cada hablante separadas y cronometradas.
Subtítulos
Sincroniza los subtítulos con el video utilizando timestamps de inicio y fin por palabra.
Contenido multilingüe
Transcribe grabaciones originales en 40 idiomas o traduce el habla entre el inglés y 31 idiomas en la misma llamada.
Conferencias de resultados y grabaciones largas
Convierte conferencias de resultados y otras grabaciones largas en texto con búsqueda.
Preguntas frecuentes
¿Cuánto cuesta la API de Nemotron 3.5 Transcribe?
El uso se factura por segundo de audio, y los timestamps por palabra, las etiquetas de hablante y la traducción se incluyen sin coste adicional. Consulta la tarjeta de precios de arriba para ver la tarifa actual.
¿Qué idiomas admite Nemotron 3.5 Transcribe?
El modelo admite 40 idiomas de transcripción divididos en tres niveles de NVIDIA, junto con diarización de hablantes en 13 idiomas, traducción de voz entre el inglés y 31 idiomas, y detección automática de idioma.
¿La API de Nemotron 3.5 Transcribe devuelve timestamps y etiquetas de hablante?
Sí. Una sola solicitud puede devolver la transcripción junto con los tiempos de inicio y fin por palabra y los segmentos de hablante para un máximo de 8 hablantes. NVIDIA admite la diarización de hablantes en 13 idiomas.
¿Qué precisión tiene Nemotron 3.5 Transcribe?
En 9 conjuntos de pruebas públicas en inglés, NVIDIA informa de una tasa media de error por palabra del 4.71%, en comparación con el 6.66% de Whisper-large-v3. Consulta la tabla de precisión de arriba para ver otras comparativas.
¿Qué formatos y duraciones de audio puedo enviar?
Pasa una URL de audio en un formato común como WAV, FLAC, MP3, OGG o M4A. El audio se procesa como mono de 16 kHz, y NVIDIA entrenó el modelo con archivos de hasta una hora de duración.
¿Admite Nemotron 3.5 Transcribe la transmisión en tiempo real?
No. El modelo transcribe archivos de audio completos en diferido (por lotes) en lugar de transmitir resultados parciales.
¿Es gratuita la API de Nemotron 3.5 Transcribe?
No. Cada solicitud consume créditos según la tarifa que se muestra en la tarjeta de precios de arriba, aunque los nuevos usuarios de Kie.ai reciben 80 créditos gratis para hacer pruebas.
¿Cómo obtengo una API key de Nemotron 3.5 Transcribe?
Regístrate en Kie.ai y genera una clave en la página de gestión de API keys. Esa misma clave funciona en todos los modelos del mercado de Kie.ai.