01
Transkripsi dalam 40 Bahasa
NVIDIA mengelompokkan 40 bahasa transkripsinya ke dalam tiga tingkatan: 13 Unggulan, 15 Siap Produksi, dan 12 Didukung. Model ini dapat mendeteksi bahasa yang diucapkan secara otomatis.
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 Nemotron 3.5 Transcribe untuk Ucapan ke Teks Multibahasa
Transkripsikan audio dalam 40 bahasa dengan model Nemotron 3.5 Transcribe dari NVIDIA. Di Kie.ai, satu permintaan dapat mengembalikan transkrip, timestamps tingkat kata, segmen pembicara hingga 8 pembicara, dan penerjemahan ucapan antara bahasa Inggris dan 31 bahasa, dengan biaya yang ditagih per detik audio.
Apa yang Dapat Dilakukan API Nemotron 3.5 Transcribe
02
Timestamps Kata dan Label Pembicara dalam Satu Proses
Dapatkan waktu mulai dan selesai untuk setiap kata serta segmen pembicara hingga 8 pembicara dalam hasil yang sama. NVIDIA mendukung diarisasi pembicara dalam 13 bahasa.
03
Penerjemahan Ucapan ke dan dari Bahasa Inggris
Selain transkripsi, model ini menerjemahkan ucapan antara bahasa Inggris dan 31 bahasa, sehingga satu panggilan dapat mengubah rekaman dalam bahasa yang didukung menjadi teks bahasa Inggris, atau ucapan bahasa Inggris menjadi teks dalam bahasa yang didukung.
04
Dirancang untuk Audio Berdurasi Panjang
NVIDIA melatih model ini pada file audio berdurasi hingga satu jam dan melaporkan hasil pada set pengujian berdurasi panjang seperti rekaman earnings call (paparan kinerja keuangan perusahaan).
Akurasi Nemotron 3.5 Transcribe (Dilaporkan NVIDIA)
NVIDIA melaporkan tingkat kesalahan kata (WER, semakin rendah semakin baik) berikut di berbagai set pengujian publik. Angka-angka ini berasal dari hasil publikasi NVIDIA dan tidak diukur di Kie.ai.
| Set pengujian | Cakupan | Nemotron 3.5 Transcribe | Whisper-large-v3 |
|---|---|---|---|
| Open ASR (9 set bahasa Inggris, rata-rata) | Ucapan bahasa Inggris umum | 4.71% | 6.66% |
| Earnings21/22 dan CORAAL (rata-rata) | Audio berdurasi panjang | 10.98% | 13.92% |
| AMI | Rekaman rapat | 7.81% | 13.63% |
| Rata-rata 7 bahasa | Ucapan multibahasa | 4.62% | 7.94% |
Cara Menggunakan API Nemotron 3.5 Transcribe di Kie.ai
- 1
Langkah 1. Dapatkan API Key Anda
Buat akun di Kie.ai, buka halaman Manajemen API Key, dan buat API key. Kirimkan pada setiap permintaan di header Authorization: Bearer YOUR_API_KEY. - 2
Langkah 2. Buat Tugas Transkripsi
Kirim permintaan POST ke /api/v1/jobs/createTask dengan model Nemotron 3.5 Transcribe dan URL file audio Anda di audio_url. Atur timestamps untuk mendapatkan waktu tingkat kata, dan atur target_language saat Anda ingin ucapan diterjemahkan; label pembicara sudah disertakan dalam hasil. - 3
Langkah 3. Baca Hasilnya
Transkripsi berjalan sebagai tugas asinkron. Setelah tugas selesai, baca hasilnya untuk mengambil transkrip, segmen pembicara, dan, jika Anda memintanya, timestamps kata.
Tips Sebelum Rilis
- 01
Periksa Audio Hening Terlebih Dahulu
NVIDIA mencatat bahwa input hening atau non-ucapan dapat menghasilkan teks yang tidak pernah diucapkan. Lewati rekaman hening dan potong bagian hening yang panjang sebelum mengirimkan audio. - 02
Kenali Kasus dengan Akurasi Lebih Rendah
Menurut NVIDIA, istilah mirip kode, audio bahasa Belanda, dan ucapan yang berpindah-pindah bahasa, seperti campuran bahasa Mandarin dan Inggris, ditranskripsikan dengan kurang akurat dibandingkan dengan Whisper-large-v3. - 03
Rencanakan Pemrosesan Berkas Lengkap
Karena model ini mentranskripsikan berkas lengkap tanpa mengalirkan hasil parsial atau mengembalikan skor kepercayaan, rancang alur kerja Anda berdasarkan transkrip yang sudah selesai.
Mengapa Menggunakan API Nemotron 3.5 Transcribe di Kie.ai
Kunci yang Sama di Seluruh Marketplace Kie.ai
Semua model di pasar Kie.ai menggunakan metode autentikasi yang sama: tajuk Authorization: Bearer YOUR_API_KEY dengan kunci dari halaman Manajemen API Key Kie.ai Anda.
Kredit Gratis untuk Memulai
Pengguna baru Kie.ai menerima 80 kredit gratis untuk pengujian. Akun Anda memiliki satu saldo kredit yang digunakan oleh semua layanan generasi, dan Anda dapat memeriksanya dengan Get Remaining Credits API.
Tanpa Hosting atau Instalasi
Kie.ai menyediakan model ini sebagai API dengan ruang uji coba; tidak ada aplikasi yang perlu diunduh atau diinstal. Tidak ada GPU atau bobot model yang perlu dikelola.
Penggunaan Umum untuk API Nemotron 3.5 Transcribe
Karena satu permintaan dapat mengembalikan teks, timestamps, dan label pembicara, model ini cocok untuk beban kerja yang membutuhkan lebih dari sekadar transkrip biasa.
Catatan Rapat dan Wawancara
Ubah rapat dan wawancara berdurasi panjang menjadi transkrip terstruktur dengan ucapan setiap pembicara yang dipisahkan dan diberi keterangan waktu.
Subtitel dan Takarir
Selaraskan takarir dengan video menggunakan timestamps awal dan akhir tingkat kata.
Konten Multibahasa
Transkripsikan rekaman sumber di 40 bahasa, atau terjemahkan ucapan antara bahasa Inggris dan 31 bahasa dalam panggilan yang sama.
Panggilan Laporan Laba dan Rekaman Panjang
Ubah panggilan laporan laba dan rekaman panjang lainnya menjadi teks yang dapat dicari.
Pertanyaan yang Sering Diajukan
Berapa biaya API Nemotron 3.5 Transcribe?
Penggunaan ditagih per detik audio, serta timestamps kata, label pembicara, dan terjemahan sudah termasuk tanpa biaya tambahan. Lihat kartu harga di atas untuk tarif saat ini.
Bahasa apa saja yang didukung oleh Nemotron 3.5 Transcribe?
Model ini mendukung 40 bahasa transkripsi di tiga tingkatan NVIDIA, bersama dengan diarisasi pembicara dalam 13 bahasa, terjemahan ucapan antara bahasa Inggris dan 31 bahasa, serta deteksi bahasa otomatis.
Apakah API Nemotron 3.5 Transcribe mengembalikan timestamps dan label pembicara?
Ya. Satu permintaan dapat mengembalikan transkrip beserta waktu awal dan akhir tingkat kata serta segmen pembicara untuk hingga 8 pembicara. NVIDIA mendukung diarisasi pembicara dalam 13 bahasa.
Seberapa akurat Nemotron 3.5 Transcribe?
Di 9 set pengujian bahasa Inggris publik, NVIDIA melaporkan rata-rata tingkat kesalahan kata sebesar 4,71%, dibandingkan dengan 6,66% untuk Whisper-large-v3. Lihat tabel akurasi di atas untuk tolok ukur tambahan.
Format dan durasi audio apa yang dapat saya kirim?
Kirimkan URL audio dalam format umum seperti WAV, FLAC, MP3, OGG, atau M4A. Audio diproses sebagai mono 16 kHz, dan NVIDIA melatih model ini pada berkas berdurasi hingga satu jam.
Apakah Nemotron 3.5 Transcribe mendukung pengaliran waktu nyata?
Tidak. Model ini mentranskripsikan berkas audio lengkap secara luring alih-alih mengalirkan hasil parsial.
Apakah API Nemotron 3.5 Transcribe gratis?
Tidak. Setiap permintaan menggunakan kredit dengan tarif yang ditampilkan pada kartu harga di atas, meskipun pengguna baru Kie.ai menerima 80 kredit gratis untuk pengujian.
Bagaimana cara mendapatkan API key Nemotron 3.5 Transcribe?
Daftar di Kie.ai dan buat kunci di halaman Manajemen API Key. Kunci yang sama tersebut berfungsi di setiap model di pasar Kie.ai.