Input

audio_url *

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.

timestamps

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.

target_language

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 pour la reconnaissance vocale multilingue

Transcrivez l'audio dans 40 langues avec le modèle Nemotron 3.5 Transcribe de NVIDIA. Sur Kie.ai, une seule requête permet d'obtenir la transcription, les timestamps par mot, les segments par locuteur (jusqu'à 8 locuteurs) et la traduction vocale entre l'anglais et 31 langues, avec une facturation à la seconde d'audio.

Ce que l'API Nemotron 3.5 Transcribe permet de faire

Transcription dans 40 langues

NVIDIA organise ses 40 langues de transcription en trois niveaux : 13 principales (Leading), 15 prêtes pour la production (Production-ready) et 12 prises en charge (Supported). Le modèle peut détecter automatiquement la langue parlée.

Horodatage par mot et identification des locuteurs en une seule passe

Obtenez les temps de début et de fin de chaque mot ainsi que les segments par locuteur (jusqu'à 8 locuteurs) dans un même résultat. NVIDIA prend en charge la diarisation des locuteurs dans 13 langues.

Traduction vocale vers et depuis l'anglais

En plus de la transcription, le modèle traduit la parole entre l'anglais et 31 langues : un seul appel permet donc de transformer un enregistrement dans une langue prise en charge en texte anglais, ou de la parole en anglais en texte dans une langue prise en charge.

Conçu pour l'audio de longue durée

NVIDIA a entraîné le modèle sur des fichiers audio allant jusqu'à une heure et publie des résultats sur des jeux de test longs tels que les conférences sur les résultats financiers.

Précision de Nemotron 3.5 Transcribe (données NVIDIA)

NVIDIA indique les taux d'erreur sur les mots (WER, plus la valeur est basse, meilleur est le résultat) suivants sur des jeux de test publics. Ces chiffres proviennent des résultats publiés par NVIDIA et n'ont pas été mesurés sur Kie.ai.

Jeu de test	Contenu évalué	Nemotron 3.5 Transcribe	Whisper-large-v3
Open ASR (9 jeux en anglais, moyenne)	Parole générale en anglais	4.71%	6.66%
Earnings21/22 et CORAAL (moyenne)	Audio de longue durée	10.98%	13.92%
AMI	Enregistrements de réunions	7.81%	13.63%
Moyenne sur 7 langues	Parole multilingue	4.62%	7.94%

Précision de Nemotron 3.5 Transcribe (données NVIDIA)

Comment utiliser l'API Nemotron 3.5 Transcribe sur Kie.ai

1
Étape 1. Obtenez votre API key
Créez un compte sur Kie.ai, ouvrez la page de gestion des API keys et générez une API key. Transmettez-la à chaque requête dans l'en-tête Authorization: Bearer YOUR_API_KEY.
2
Étape 2. Créez une tâche de transcription
Envoyez une requête POST à /api/v1/jobs/createTask avec le modèle Nemotron 3.5 Transcribe et l'URL de votre fichier audio dans audio_url. Activez timestamps pour obtenir le minutage par mot et définissez target_language lorsque vous souhaitez traduire la parole ; l'identification des locuteurs est incluse dans le résultat.
3
Étape 3. Lisez le résultat
La transcription s'exécute comme une tâche asynchrone. Une fois la tâche terminée, lisez le résultat pour récupérer la transcription, les segments d'intervenants et, si vous les avez demandés, les timestamps par mot.

Conseils avant la mise en production

01
Repérez d'abord les audios silencieux
NVIDIA souligne qu'une entrée silencieuse ou sans parole peut générer du texte qui n'a jamais été prononcé. Évitez d'envoyer des enregistrements muets et coupez les longs passages de silence avant de soumettre votre audio.
02
Connaissez les cas où le modèle est moins performant
Selon NVIDIA, les termes proches du code, l'audio en néerlandais et les discours alternant plusieurs langues, comme un mélange de chinois et d'anglais, sont transcrits avec moins de précision qu'avec Whisper-large-v3.
03
Prévoyez le traitement de fichiers complets
Comme le modèle transcrit des fichiers complets sans diffuser en continu des résultats partiels ni renvoyer de scores de confiance, concevez votre flux de travail autour d'une transcription finale.

Pourquoi utiliser l'API Nemotron 3.5 Transcribe sur Kie.ai

Une même clé sur tout le marché Kie.ai

Tous les modèles du marché Kie.ai utilisent la même méthode d'authentification : un en-tête Authorization: Bearer YOUR_API_KEY avec la clé issue de votre page de gestion des API keys Kie.ai.

Crédits gratuits pour commencer

Les nouveaux utilisateurs de Kie.ai reçoivent 80 crédits de test gratuits. Votre compte dispose d'un solde de crédits unique utilisé par tous les services de génération, que vous pouvez vérifier avec l'API de consultation des crédits restants.

Rien à héberger ni à installer

Kie.ai fournit ce modèle sous forme d'API avec un environnement de test ; aucune application n'est à télécharger ni à installer. Il n'y a ni GPU ni poids de modèle à gérer.

Cas d'usage courants de l'API Nemotron 3.5 Transcribe

Comme une seule requête peut renvoyer du texte, des timestamps et des étiquettes de locuteur, le modèle convient aux charges de travail qui nécessitent plus qu'une simple transcription.

Notes de réunion et d'entretien

Convertissez de longues réunions et des entretiens en transcriptions structurées où les répliques de chaque locuteur sont séparées et minutées.

Sous-titres et sous-titrage pour sourds et malentendants

Synchronisez les légendes avec la vidéo grâce aux timestamps de début et de fin au niveau du mot.

Contenu multilingue

Transcrivez des enregistrements sources dans 40 langues ou traduisez la parole entre l'anglais et 31 langues au cours du même appel.

Conférences sur les résultats financiers et longs enregistrements

Transformez les conférences sur les résultats financiers et autres longs enregistrements en texte interrogeable par recherche.

Questions fréquentes

Combien coûte l'API Nemotron 3.5 Transcribe ?

L'utilisation est facturée à la seconde d'audio, et les timestamps par mot, les étiquettes de locuteur ainsi que la traduction sont inclus sans frais supplémentaires. Consultez la carte de tarification ci-dessus pour connaître le tarif actuel.

Quelles langues Nemotron 3.5 Transcribe prend-il en charge ?

Le modèle prend en charge 40 langues de transcription réparties sur trois niveaux NVIDIA, ainsi que la diarisation des locuteurs dans 13 langues, la traduction vocale entre l'anglais et 31 langues, et la détection automatique de la langue.

L'API Nemotron 3.5 Transcribe renvoie-t-elle des timestamps et des étiquettes de locuteur ?

Oui. Une seule requête peut renvoyer la transcription accompagnée des temps de début et de fin au niveau du mot ainsi que des segments de locuteur pour un maximum de 8 locuteurs. NVIDIA prend en charge la diarisation des locuteurs dans 13 langues.

Quelle est la précision de Nemotron 3.5 Transcribe ?

Sur 9 jeux de test publics en anglais, NVIDIA indique un taux moyen d'erreur sur les mots de 4,71 %, contre 6,66 % pour Whisper-large-v3. Consultez le tableau de précision ci-dessus pour d'autres tests de performance.

Quels formats et durées audio puis-je envoyer ?

Transmettez une URL audio dans un format courant tel que WAV, FLAC, MP3, OGG ou M4A. L'audio est traité en mono 16 kHz, et NVIDIA a entraîné le modèle sur des fichiers d'une durée allant jusqu'à une heure.

Nemotron 3.5 Transcribe prend-il en charge la diffusion en continu en temps réel ?

Non. Le modèle transcrit des fichiers audio complets hors ligne au lieu de diffuser en continu des résultats partiels.

L'API Nemotron 3.5 Transcribe est-elle gratuite ?

Non. Chaque requête consomme des crédits au tarif indiqué dans la carte de tarification ci-dessus, mais les nouveaux utilisateurs de Kie.ai reçoivent 80 crédits de test gratuits.

Comment obtenir une API key Nemotron 3.5 Transcribe ?

Inscrivez-vous sur Kie.ai et générez une clé sur la page de gestion des API keys. Cette même clé fonctionne pour tous les modèles du marché Kie.ai.

AI Video API

AI Image API

AI Audio API

AI Chat API