تخطّي إلى المحتوى

Kotoba Speech-to-Text

التكامل

معرّف النموذج kotoba-technologies/kotoba-stt/v1/speech-to-text
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/kotoba-technologies/kotoba-stt/v1/speech-to-text?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "language": "ja"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

ملفات مثل المثال: ⁨‏0.001 $⁩ 1 رصيد API · ≈ ⁨‏0.11 ₽⁩ تُقاس ملفاتك قبل التشغيل تشغيله في هذه الصفحة

الحصول على مفتاح API
Kotoba Technologies تحويل الكلام إلى نص #commercial-use#speech-to-text#japanese#multilingual

تحويل الكلام إلى نص لمقاطع تصل إلى دقيقتين، محسّن لليابانية، مع طوابع زمنية للكلمات وتلميحات الكلمات المفتاحية

Kotoba Technologies · نص

ستظهر نتيجتك الأولى هنا

أنشئ طلبًا أدناه وشغّله باستخدام مفتاح API الخاص بك. تُنسخ المخرجات إلى تخزيننا، وتُحفظ إلى الأبد أو لمدة 7 أيام مجانًا.

إنشاء طلب

تُنشأ عناصر التحكم من مخطط النموذج. يتحدّث الرمز والسعر عند تغييرها.

•مطلوب audio_url
أفلت ملفًا، أو

مدة الصوت محدودة بدقيقتين.

language •مطلوب

اللغة التي يستخدمها متحدثو الصوت.

متقدم with_timestamps · diarization · kana · keywords

المصطلحات التي ينبغي تفضيل تهجئتها في التفريغ النصي، بما في ذلك الأسماء أو مصطلحات المنتجات. يقبل ما لا يزيد عن 1000 مصطلح، بحد أقصى 64 حرفًا لكل مصطلح.

POST /run/kotoba-technologies/kotoba-stt/v1/speech-to-text?wait=20 عرض السعر → ⁨‏0.001 $⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/kotoba-technologies/kotoba-stt/v1/speech-to-text?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "language": "ja"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

تشغيل هذا الطلب

يبقى مفتاحك في هذا المتصفح: لا يُرسل إلا إلى Doitong API ويُحفظ في localStorage فقط إذا فعّلت خيار التذكّر. الحصول على مفتاح API

حول Kotoba Speech-to-Text

يفرّغ مقطعاً صوتياً تصل مدته إلى دقيقتين من `audio_url`. اضبط `language` على ja أو en أو ko أو zh أو es أو zh-hk أو zh-tw أو auto. يعيد `with_timestamps` الاختياري أوقات بداية الكلمات ونهايتها، ويضع `diarization` تسميات للمتحدثين، وتقبل `keywords` ما يصل إلى 1000 مصطلح لتوجيه التهجئة، بينما يكتب `kana` الأسماء بالكاتاكانا لليابانية. يتضمن الإخراج النص واللغة المكتشفة ومدة الصوت.

المعاملات

أرسل الاسم الأساسي أو الاسم الأصلي، وليس كليهما. الأسماء الأساسية

الاسمالنوع الافتراضيمسموح الوصف
audio_urlمطلوب audio
النوعurl · audio
مدة الصوت محدودة بدقيقتين.
languageمطلوب
النوعenum
jaenkozheszh-hkzh-twauto
اللغة التي يستخدمها متحدثو الصوت.
with_timestampsاختياري
النوعboolean
الافتراضيfalse
مخرج التوقيت لكل كلمة في `words`، ويتضمن بداية كل كلمة ونهايتها.
diarizationاختياري
النوعboolean
الافتراضيfalse
إسناد المتحدث على مستوى الكلمة، ولا يتوفر إلا للنماذج التي تدعم رموز المتحدثين. تتلقى كل كلمة `speaker_id`، لكن يظل وقتها null ما لم يتم تمكين `with_timestamps` أيضًا.
keywordsاختياري
النوعstring[]
≤ 1,000 عنصر
المصطلحات التي ينبغي تفضيل تهجئتها في التفريغ النصي، بما في ذلك الأسماء أو مصطلحات المنتجات. يقبل ما لا يزيد عن 1000 مصطلح، بحد أقصى 64 حرفًا لكل مصطلح.
kanaاختياري
النوعboolean
الافتراضيfalse
كتابة أسماء الأشخاص وأسماء الأماكن بالكاتاكانا اليابانية.
مطلوب الاسم الأساسي، مقبول أيضًا

تقبل معاملات الملفات عنوان URL عامًا يبدأ بـ https://، أو URI من نوع data: يصل حجمه إلى 10 MB، أو file_url لملف تم تحميله. الملفات

المخرجات

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "kotoba-technologies/kotoba-stt/v1/speech-to-text",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 1,
    "usd": "0.001",
    "charged": 1,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "language": "ja"
  },
  "output": {
    "audio_duration_secs": 1.0,
    "language_code": "string",
    "language_probability": 1.0,
    "text": "string",
    "words": [
      {
        "end": 1.0,
        "speaker_id": "string",
        "start": 1.0,
        "text": "string",
        "type": "word"
      }
    ]
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
ملفاتك، خيارككل outputs[].url هو نسخة على تخزيننا: تُحفظ إلى الأبد (مع الدفع لكل غيغابايت-شهر) أو لمدة 7 أيام مجانًا، وفق إعداد حسابك أو ?storage=.
البنية نفسها في كل نموذجtype وurl وcontent_type وwidth وheight وduration للصور والفيديو والصوت على حد سواء. output هو كائن النتائج الخاص بالنموذج.
حقول المخرجات
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

لوكلاء الذكاء الاصطناعي: تتوفر هذه الصفحة بصيغة Markdown على https://doitong.com/ar/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. جميع النماذج والأدلة: https://doitong.com/developers/llms.txt