Gå til indhold

Kotoba Speech-to-Text

Integrer

Model-id 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"

Filer som eksemplet: 0,001 $ 1 API-kredit · ≈ 0,11 ₽ dine filer måles før kørslen Kør den på denne side

Hent API-nøgle
Kotoba Technologies Tale til tekst #commercial-use#speech-to-text#japanese#multilingual

Tale-til-tekst for klip på op til 2 minutter, optimeret til japansk, med ordtidsstempler og nøgleordstip

Kotoba Technologies · Tekst

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet audio_url
Slip en fil, eller

Lydvarighed begrænset til 2 minutter.

language •påkrævet

Sproget, der bruges af lydens talere.

Avanceret with_timestamps · diarization · kana · keywords

Termer, hvis stavemåde bør foretrækkes i transskriptionen, herunder navne eller produktterminologi. Accepterer højst 1000 termer, hver begrænset til 64 tegn.

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

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Kotoba Speech-to-Text

Transskriberer et lydklip på op til 2 minutter fra `audio_url`. Indstil `language` til ja, en, ko, zh, es, zh-hk, zh-tw eller auto. Valgfri `with_timestamps` returnerer start- og sluttider pr. ord, `diarization` mærker talere, `keywords` accepterer op til 1000 termer for at påvirke stavningen, og `kana` skriver navne med katakana på japansk. Outputtet indeholder tekst, registreret sprog og lydvarighed.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse
audio_urlpåkrævet audio
Typeurl · audio
Lydvarighed begrænset til 2 minutter.
languagepåkrævet
Typeenum
jaenkozheszh-hkzh-twauto
Sproget, der bruges af lydens talere.
with_timestampsvalgfri
Typeboolean
Standardfalse
Output med timing pr. ord i `words`, inklusive hvert ords start og slutning.
diarizationvalgfri
Typeboolean
Standardfalse
Højttalertildeling på ordniveau, kun tilgængelig for modeller, der understøtter speakertokens. Hvert ord får en `speaker_id`, men tidspunktet forbliver null, medmindre `with_timestamps` også er aktiveret.
keywordsvalgfri
Typestring[]
≤ 1.000 elementer
Termer, hvis stavemåde bør foretrækkes i transskriptionen, herunder navne eller produktterminologi. Accepterer højst 1000 termer, hver begrænset til 64 tegn.
kanavalgfri
Typeboolean
Standardfalse
Katakana-gengivelse af person- og stednavne på japansk.
påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt