Nemotron 3.5 Transcribe 语音转文字

使用 Nemotron 3.5 Transcribe 将语音转为文字（KIE hosted）。提交一个公网音频地址（也可以是带音轨的视频）即可拿到转写文本，语种自动识别；可选加上词级时间戳与说话人标签，或改为翻译。调用时参数 model=nvidia/nemotron-3-5-transcribe。可以在 Nemotron 3.5 Transcribe API 页面在线试用并查看价格。

能力

支持 40 种语言转写，自动识别语种

词级时间戳与说话人标签（timestamps: true）

与英语之间的语音翻译（target_language）

输入：MP3、WAV、M4A/AAC、FLAC、OGG/Opus、WEBM，或带音轨的 MP4/MOV 视频；单个文件最长 60 分钟、最大 200 MB

整段转写，不支持流式

参数怎么用

纯转写：只传 audio_url。

时间戳与说话人：加 timestamps: true，结果文件里会给出每个词的起止时间和说话人标签。只用于转写。

翻译：把 target_language 设为目标语言。翻译只保证与英语互译：其他语言的语音译成英语（en），或英语语音译成下列任一语言。两种非英语之间直接互译可能可用但不保证质量，要求高时建议先译成英语。target_language 与 timestamps: true 不能同时使用。

audio_url 须公网可直接下载，不能要求登录；不要用几分钟内就过期的临时签名链接，大文件要保证 3 分钟内能下载完。

支持转写的语言：英语、中文普通话、日语、韩语、法语、德语、西班牙语、葡萄牙语、意大利语、俄语、荷兰语、波兰语、捷克语、斯洛伐克语、印地语、保加利亚语、克罗地亚语、丹麦语、爱沙尼亚语、芬兰语、匈牙利语、拉脱维亚语、立陶宛语、罗马尼亚语、斯洛文尼亚语、瑞典语、泰语、土耳其语、乌克兰语、阿拉伯语、孟加拉语、希腊语、希伯来语、印尼语、马耳他语、马拉地语、他加禄语、泰米尔语、泰卢固语、越南语。

结果格式

任务成功后，获取任务详情返回的 resultJson 是 JSON 字符串，内含 resultObject：

{
  "code": 200,
  "msg": "success",
  "data": {
    "taskId": "task_nemotron_1762345821000",
    "model": "nvidia/nemotron-3-5-transcribe",
    "state": "success",
    "param": "{\"model\": \"nvidia/nemotron-3-5-transcribe\", \"callBackUrl\": \"https://your-domain.com/api/callback\", \"input\": \"{\\\"audio_url\\\": \\\"https://your-domain.com/audio/team-meeting.mp3\\\", \\\"timestamps\\\": true}\"}",
    "resultJson": "{\"resultObject\": {\"text\": \"Thanks for joining, everyone. Let's start with the launch checklist for Friday.\", \"duration\": 12.64, \"url\": \"https://tempfile.aiquickdraw.com/example/transcript-result.json\", \"expires_at\": \"2026-11-19T12:30:23Z\"}}",
    "failCode": "",
    "failMsg": "",
    "costTime": 3,
    "completeTime": 1762345824000,
    "createTime": 1762345821000,
    "updateTime": 1762345824000
  }
}

resultObject 字段：

text：完整转写文本；设置了 target_language 时是译文。打开时间戳时这里是去掉说话人标签的纯文本

duration：音频时长（秒），按解码后的实际长度计算；按这个秒数计费

url：完整结果的 JSON 文件地址（结构见下）

expires_at：url 的失效时间（完成后约 14 天），需要长期保存请在此前下载

url 指向的结果文件（示例为 timestamps: true）：

{
  "task": "transcribe",
  "duration": 12.64,
  "text": "Thanks for joining, everyone. Sure, let's start.",
  "text_with_speakers": "<spk:0> Thanks for joining, everyone. <spk:1> Sure, let's start.",
  "words": [
    {
      "word": "Thanks",
      "start": 0.32,
      "end": 0.61,
      "speaker": "0"
    },
    {
      "word": "for",
      "start": 0.61,
      "end": 0.74,
      "speaker": "0"
    },
    {
      "word": "joining,",
      "start": 0.74,
      "end": 1.18,
      "speaker": "0"
    },
    {
      "word": "everyone.",
      "start": 1.18,
      "end": 1.83,
      "speaker": "0"
    },
    {
      "word": "Sure,",
      "start": 2.46,
      "end": 2.8,
      "speaker": "1"
    },
    {
      "word": "let's",
      "start": 2.84,
      "end": 3.07,
      "speaker": "1"
    },
    {
      "word": "start.",
      "start": 3.07,
      "end": 3.52,
      "speaker": "1"
    }
  ],
  "diarization": [
    {
      "speaker": 0,
      "start": 0.32,
      "end": 1.83
    },
    {
      "speaker": 1,
      "start": 2.46,
      "end": 3.52
    }
  ]
}

task：transcribe（转写）或 translate（翻译）

text、duration：同 resultObject

text_with_speakers：带说话人标签 <spk:N> 的原文；仅 timestamps: true 时有

words：每个词（中文为每个字）从音频开头算起的起止时间（秒）与说话人标签；仅 timestamps: true 时有

diarization：按声音划分的说话人片段；仅 timestamps: true 时有

silent：音频几乎没有声音时为 true，此时 text 为空字符串

truncated：输出达到按音频时长设定的上限时为 true，通常意味着结果在重复，建议丢弃或人工复核

使用须知

说话人标签从 0 开始编号。音色差别大的人（如一男一女）分得开，音色相近的人可能被合成一个。

词级时间戳：结束时间误差通常在几十毫秒以内，开始时间可能偏差约 0.5 秒，英文偏差更大。

同一段音频多次转写可能有个别字词不同（如 "but is" 与 "but it's"），不要靠文本完全相同来判断重复。

中文结果里外国人名通常会音译，部分型号数字可能写成汉字。

常见失败信息

failMsg	原因
Audio fetch failed. Check access settings or use our File Upload API instead.	地址返回 4xx 或域名解析不到
The request failed because the audio format is not supported by the API.	解不出声音：不是音频、视频没有音轨、空文件或太短
The audio file exceeds the maximum allowed size of 200 MB.	文件超过 200 MB
The audio exceeds the maximum allowed duration of 60 minutes.	音频超过 60 分钟，请切段后分别提交

查询任务状态

任务提交后，可通过统一查询接口检查任务进度并获取结果：

获取任务详情

了解如何查询任务状态并获取生成结果

在生产环境中，建议使用 callBackUrl 参数在任务完成时接收自动通知，而不是轮询状态接口。

Nemotron 3.5 Transcribe 语音转文字

能力

参数怎么用

结果格式

使用须知

常见失败信息

查询任务状态

相关资源

Request

Responses

Nemotron 3.5 Transcribe 语音转文字

能力#

参数怎么用#

结果格式#

使用须知#

常见失败信息#

查询任务状态#

相关资源#

Request

Responses

能力

参数怎么用

结果格式

使用须知

常见失败信息

查询任务状态

相关资源