Přejít na obsah

Kotoba Speech-to-Text

Integrace

ID modelu 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"

Soubory jako v příkladu: 0,001 $ 1 kredit API · ≈ 0,11 ₽ vaše soubory se před spuštěním změří Spustit na této stránce

Získat API klíč
Kotoba Technologies Řeč na text #commercial-use#speech-to-text#japanese#multilingual

Převod řeči na text pro klipy do délky 2 minut, optimalizovaný pro japonštinu, s časovými značkami slov a nápovědami klíčových slov

Kotoba Technologies · Text

Zde se zobrazí váš první výsledek

Níže sestavte požadavek a spusťte ho pomocí svého API klíče. Výstupy se kopírují do našeho úložiště a uchovávají se navždy nebo 7 dne zdarma.

Sestavit požadavek

Ovládací prvky se generují ze schématu modelu. Kód a cena se aktualizují podle provedených změn.

•povinné audio_url
Přetáhněte soubor nebo

Délka zvuku omezená na 2 minuty.

language •povinné

Jazyk používaný mluvčími ve zvuku.

Pokročilé with_timestamps · diarization · kana · keywords

Výrazy, jejichž pravopis má být v přepisu upřednostněn, včetně jmen nebo produktové terminologie. Přijímá nejvýše 1000 výrazů, každý s limitem 64 znaků.

POST /run/kotoba-technologies/kotoba-stt/v1/speech-to-text?wait=20 cena → 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"

Spustit tento požadavek

Váš klíč zůstává v tomto prohlížeči: odesílá se pouze do Doitong API a uloží se do localStorage jen tehdy, když zaškrtnete možnost Zapamatovat. Získat klíč API

O modelu Kotoba Speech-to-Text

Přepisuje zvukový klip o délce až 2 minut z `audio_url`. Nastavte `language` na ja, en, ko, zh, es, zh-hk, zh-tw nebo auto. Volitelný `with_timestamps` vrací počáteční a koncové časy jednotlivých slov, `diarization` označuje mluvčí, `keywords` přijímá až 1000 výrazů pro ovlivnění pravopisu a `kana` zapisuje jména v japonštině katakanou. Výstup obsahuje text, rozpoznaný jazyk a délku zvuku.

Parametry

Odešlete buď kanonický název, nebo nativní název, ne oba. Kanonické názvy

NázevTyp VýchozíPovolené Popis
audio_urlpovinné audio
Typurl · audio
Délka zvuku omezená na 2 minuty.
languagepovinné
Typenum
jaenkozheszh-hkzh-twauto
Jazyk používaný mluvčími ve zvuku.
with_timestampsvolitelné
Typboolean
Výchozífalse
Výstup časování jednotlivých slov v `words`, včetně začátku a konce každého slova.
diarizationvolitelné
Typboolean
Výchozífalse
Přiřazení mluvčího na úrovni slov, dostupné pouze u modelů podporujících tokeny mluvčích. Každé slovo obdrží `speaker_id`, ale jeho čas zůstane null, dokud není povoleno také `with_timestamps`.
keywordsvolitelné
Typstring[]
≤ 1 000 položek
Výrazy, jejichž pravopis má být v přepisu upřednostněn, včetně jmen nebo produktové terminologie. Přijímá nejvýše 1000 výrazů, každý s limitem 64 znaků.
kanavolitelné
Typboolean
Výchozífalse
Přepis jmen osob a místních názvů v japonštině do katakany.
povinné Kanonický název, také podporován

Parametry souborů přijímají veřejnou adresu https:// URL, data: URI do 10 MB nebo file_url nahraného souboru. Soubory

Výstup

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"
  }
}
Vaše soubory, vaše volbaKaždý outputs[].url je kopie v našem úložišti: uchovávaná navždy (zpoplatněná za GB-měsíc) nebo 7 dne zdarma podle nastavení účtu nebo ?storage=.
Stejná struktura u každého modelutype, url, content_type, width, height a duration pro obrázky, video i zvuk. output je vlastní objekt výsledku modelu.
Pole výstupu
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Všechny modely a návody: https://doitong.com/developers/llms.txt