01
Transcrição em 40 Idiomas
A NVIDIA organiza seus 40 idiomas de transcrição em três níveis: 13 Principais (Leading), 15 Prontos para Produção (Production-ready) e 12 Suportados (Supported). O modelo pode detectar o idioma falado automaticamente.
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 do Nemotron 3.5 Transcribe para Conversão de Fala em Texto Multilíngue
Transcreva áudio em 40 idiomas com o modelo Nemotron 3.5 Transcribe da NVIDIA. No Kie.ai, uma única requisição pode retornar a transcrição, timestamps por palavra, segmentos de locutor para até 8 pessoas e tradução de fala entre o inglês e 31 idiomas, com cobrança por segundo de áudio.
O que a API do Nemotron 3.5 Transcribe Pode Fazer
02
Timestamps de Palavras e Rótulos de Locutor de Uma Só Vez
Obtenha os tempos de início e fim de cada palavra e segmentos de locutor para até 8 pessoas no mesmo resultado. A NVIDIA oferece suporte à diarização de locutores em 13 idiomas.
03
Tradução de Fala de e para o Inglês
Além da transcrição, o modelo traduz a fala entre o inglês e 31 idiomas. Assim, uma única chamada pode transformar uma gravação em um idioma suportado em texto em inglês, ou fala em inglês em texto em um idioma suportado.
04
Feito para Áudios Longos
A NVIDIA treinou o modelo com arquivos de áudio de até uma hora de duração e divulga resultados em conjuntos de testes de longa duração, como teleconferências de resultados financeiros.
Precisão do Nemotron 3.5 Transcribe (Dados da NVIDIA)
A NVIDIA informa as seguintes taxas de erro de palavras (WER, quanto menor, melhor) em conjuntos de testes públicos. Esses números vêm dos resultados publicados pela NVIDIA e não foram medidos no Kie.ai.
| Conjunto de testes | O que abrange | Nemotron 3.5 Transcribe | Whisper-large-v3 |
|---|---|---|---|
| Open ASR (9 conjuntos em inglês, média) | Fala geral em inglês | 4.71% | 6.66% |
| Earnings21/22 e CORAAL (média) | Áudio de longa duração | 10.98% | 13.92% |
| AMI | Gravações de reuniões | 7.81% | 13.63% |
| Média de 7 idiomas | Fala multilíngue | 4.62% | 7.94% |
Como Usar a API do Nemotron 3.5 Transcribe no Kie.ai
- 1
Passo 1. Obtenha sua API key
Crie uma conta no Kie.ai, abra a página de Gerenciamento de API Keys e gere uma API key. Envie-a em todas as requisições no cabeçalho Authorization: Bearer YOUR_API_KEY. - 2
Passo 2. Crie uma Tarefa de Transcrição
Envie uma requisição POST para /api/v1/jobs/createTask com o modelo Nemotron 3.5 Transcribe e a URL do seu arquivo de áudio em audio_url. Defina timestamps para obter a marcação de tempo por palavra e defina target_language quando quiser traduzir a fala; os rótulos de locutor já vêm incluídos no resultado. - 3
Passo 3. Leia o Resultado
A transcrição é executada como uma tarefa assíncrona. Assim que o processamento terminar, leia o resultado para obter a transcrição, os segmentos de locutor e, caso os tenha solicitado, os timestamps por palavra.
Dicas Antes de Colocar em Produção
- 01
Verifique Primeiro se Há Áudio Silencioso
A NVIDIA observa que entradas silenciosas ou sem fala podem gerar textos que nunca foram ditos. Descarte gravações silenciosas e corte longos trechos de silêncio antes de enviar o áudio. - 02
Conheça os Cenários de Desempenho Mais Fraco
Segundo a NVIDIA, termos semelhantes a código, áudio em holandês e falas que alternam entre idiomas — como a mistura de chinês e inglês — são transcritos com menor precisão do que no Whisper-large-v3. - 03
Planeje o processamento de arquivos completos
Como o modelo transcreve arquivos completos sem transmitir resultados parciais nem retornar pontuações de confiança, estruture seu fluxo de trabalho considerando a transcrição finalizada.
Por que usar a API do Nemotron 3.5 Transcribe no Kie.ai
A mesma chave em todo o catálogo do Kie.ai
Todos os modelos no catálogo do Kie.ai usam o mesmo método de autenticação: um cabeçalho Authorization: Bearer YOUR_API_KEY com a chave da sua página de Gerenciamento de API Keys do Kie.ai.
Créditos grátis para começar
Novos usuários do Kie.ai recebem 80 créditos grátis para testes. Sua conta tem um saldo único de créditos utilizado por todos os serviços de geração, que pode ser consultado com a API Get Remaining Credits.
Nada para hospedar ou instalar
O Kie.ai disponibiliza este modelo como uma API com playground; não há aplicativo para baixar ou instalar, nem GPUs ou pesos de modelo para gerenciar.
Usos comuns da API do Nemotron 3.5 Transcribe
Como uma única requisição pode retornar texto, timestamps e identificação de locutores, o modelo é adequado para fluxos de trabalho que exigem mais do que uma transcrição simples.
Notas de reuniões e entrevistas
Converta reuniões e entrevistas longas em transcrições estruturadas, com as falas de cada locutor separadas e sincronizadas.
Legendas e closed captions
Sincronize legendas com o vídeo usando timestamps de início e fim no nível da palavra.
Conteúdo multilíngue
Transcreva gravações originais em 40 idiomas ou traduza a fala entre o inglês e 31 idiomas na mesma chamada.
Teleconferências de resultados e gravações longas
Transforme teleconferências de resultados e outras gravações longas em texto pesquisável.
Perguntas frequentes
Quanto custa a API do Nemotron 3.5 Transcribe?
O uso é cobrado por segundo de áudio, e timestamps por palavra, identificação de locutores e tradução estão incluídos sem custo adicional. Consulte o cartão de preços acima para ver a tarifa atual.
Quais idiomas o Nemotron 3.5 Transcribe suporta?
O modelo suporta 40 idiomas de transcrição distribuídos em três níveis da NVIDIA, além de diarização de locutores em 13 idiomas, tradução de fala entre o inglês e 31 idiomas e detecção automática de idioma.
A API do Nemotron 3.5 Transcribe retorna timestamps e identificação de locutores?
Sim. Uma única requisição pode retornar a transcrição junto com os tempos de início e fim por palavra e segmentos por locutor para até 8 locutores. A NVIDIA suporta a diarização de locutores em 13 idiomas.
Qual é a precisão do Nemotron 3.5 Transcribe?
Em 9 conjuntos de testes públicos em inglês, a NVIDIA relata uma taxa média de erro de palavras de 4,71%, em comparação com 6,66% do Whisper-large-v3. Consulte a tabela de precisão acima para ver mais benchmarks.
Quais formatos e durações de áudio posso enviar?
Envie uma URL de áudio em um formato comum, como WAV, FLAC, MP3, OGG ou M4A. O áudio é processado em mono de 16 kHz, e a NVIDIA treinou o modelo com arquivos de até uma hora de duração.
O Nemotron 3.5 Transcribe suporta transmissão em tempo real?
Não. O modelo transcreve arquivos de áudio completos de forma offline, em vez de transmitir resultados parciais.
A API do Nemotron 3.5 Transcribe é gratuita?
Não. Cada requisição consome créditos conforme a tarifa exibida no cartão de preços acima, mas novos usuários do Kie.ai recebem 80 créditos grátis para testes.
Como obtenho uma API key do Nemotron 3.5 Transcribe?
Cadastre-se no Kie.ai e gere uma API key na página de Gerenciamento de API Keys. Essa mesma chave funciona em todos os modelos do catálogo do Kie.ai.