Nemotron 3.5 ASR
nemotron-3.5-asrवाणी से पाठ · चीनी और अंग्रेज़ी सत्यापित
$0.0003 प्रति मिनट ऑडियो
चीनी और अंग्रेज़ी ट्रांसक्रिप्शन के लिए qwen3-asr चुनें: 3–8 सेकंड के क्लिप पर 0.3–0.7 सेकंड, 2026-10-12 को मापा गया। Whisper के समान व्यवहार के लिए whisper-large-v3-turbo चुनें; whisper-1 उसका संगत उपनाम है।
OpenAI सूची मूल्य: whisper-1 $0.006 प्रति मिनट; tts-1 $15 प्रति 10 लाख अक्षर।
2026-10-12 को मापा गया: ~1 s (3–8 s ऑडियो)
multipart अनुरोध सीमा 25 MB, अधिकतम चार भाग, एक गैर-खाली ऑडियो फ़ाइल और प्रत्येक भाग में 8 KB हेडर है। पूरा अपलोड 120 सेकंड में; पहले 10 सेकंड के बाद हर 10-सेकंड अवधि में औसत गति कम से कम 16 KB/s। प्रत्येक कुंजी पर दो समकालीन अपलोड; साझा सीमा पर 429 और Retry-After मिलता है।
फ़ॉर्मैट: json (डिफ़ॉल्ट), text, verbose_json, srt, vtt। हर प्रतिक्रिया फ़ॉर्मैट में अवधि के आधार पर समान बिल बनता है।
voice वैकल्पिक है। Chatterbox Turbo किसी भी आवाज़ स्ट्रिंग को आगे भेजता है। Qwen3 TTS voice को अनदेखा करता है।
प्रतिलेखन में file, model, language, prompt, temperature और timestamp_granularities[] (word, segment) समर्थित हैं। वाणी में model, input, वैकल्पिक voice, response_format और speed (0.25–4) समर्थित हैं।
प्रतिलेखन की अवधि का अनुमान अपलोड बाइट ÷ 250 (2 kbit/s), अधिकतम 24 घंटे है; सही WAV/PCM हेडर होने पर सटीक अवधि ली जाती है। अंतिम शुल्क हमेशा मॉडल की बताई वास्तविक अवधि पर है, अनुमान से अधिक होने पर भी। वाणी में अक्षरों की राशि आरक्षित होती है; प्रदाता के पूरा ऑडियो देने पर, या कम से कम एक ऑडियो बाइट मिलने के बाद ग्राहक के डिस्कनेक्ट या रुकने पर, पूरा शुल्क लगता है। प्रदाता की विफलता या टाइमआउट पर शुल्क नहीं, आंशिक ऑडियो मिलने पर भी। न्यूनतम शुल्क नहीं है।
संगत उपनाम: whisper-1 → whisper-large-v3-turbo; tts-1 → qwen3-tts। tts-1 का बिल qwen3-tts के अनुसार बनता है ($25 प्रति 10 लाख अक्षर)। chatterbox-turbo $1.50 प्रति 10 लाख अक्षर है, केवल अंग्रेज़ी; इसे स्पष्ट रूप से चुनें। बिलिंग और रिपोर्ट में मानक ID उपयोग होती हैं।
curl https://api.quicksilverpro.io/v1/audio/transcriptions \
-H "Authorization: Bearer $QSP_KEY" \
-F "model=nemotron-3.5-asr" \
-F "[email protected];type=audio/wav" \
-F "response_format=json"इस मॉडल को कैसे कॉल करें?
प्रतिलेखन में file, model, language, prompt, temperature और timestamp_granularities[] (word, segment) समर्थित हैं। वाणी में model, input, वैकल्पिक voice, response_format और speed (0.25–4) समर्थित हैं।