Μετάβαση στο περιεχόμενο

ElevenLabs Speech to Text - Scribe V2

Ενσωμάτωση

id μοντέλου elevenlabs/speech-to-text/scribe-v2
# 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/elevenlabs/speech-to-text/scribe-v2?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"
  }'

# 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"

Αρχεία όπως το παράδειγμα: 0,008 $ 8 πιστώσεις API · ≈ 0,86 ₽ τα αρχεία σας μετρώνται πριν από την εκτέλεση Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
ElevenLabs Ομιλία σε κείμενο #speech-to-text

Μεταγράφει ήχο με διαχωρισμό ομιλητών, ετικέτες συμβάντων ήχου και στάθμιση βασικών όρων

ElevenLabs · Κείμενο

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται audio_url
Αποθέστε ένα αρχείο ή

URL που παραπέμπει στον ήχο προς απομαγνητοφώνηση.

προεπιλογή []

Παρέχετε έως 100 βασικούς όρους, καθένας με έως 50 χαρακτήρες, για να κατευθύνετε την απομαγνητοφώνηση προς αυτές τις λέξεις ή προτάσεις.

Για προχωρημένους language_code · tag_audio_events · diarize

Κωδικός που προσδιορίζει τη γλώσσα του ήχου.

POST /run/elevenlabs/speech-to-text/scribe-v2?wait=20 προσφορά → 0,008 $
# 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/elevenlabs/speech-to-text/scribe-v2?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"
  }'

# 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"

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το ElevenLabs Speech to Text - Scribe V2

Στείλτε ένα `audio_url` και λάβετε το πλήρες κείμενο, λεπτομέρειες σε επίπεδο λέξης και την εντοπισμένη γλώσσα με βαθμολογία πιθανότητας. Το `diarize` επισημαίνει ποιος μιλά και το `tag_audio_events` χαρακτηρίζει ήχους όπως το γέλιο. Μπορείτε να ορίσετε το `language_code`, ενώ το `keyterms` δέχεται έως 100 λέξεις ή φράσεις για biasing της αναγνώρισης.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
audio_urlαπαιτείται audio
Τύποςurl · audio
URL που παραπέμπει στον ήχο προς απομαγνητοφώνηση.
language_codeπροαιρετικό
Τύποςstring | null
Κωδικός που προσδιορίζει τη γλώσσα του ήχου.
tag_audio_eventsπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ελέγχει την προσθήκη ετικετών σε συμβάντα ήχου, όπως γέλιο ή χειροκρότημα.
diarizeπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ελέγχει αν σχολιάζονται οι ταυτότητες των ομιλητών.
keytermsπροαιρετικό
Τύποςstring[]
Προεπιλογή[]
≤ 100 στοιχεία
Παρέχετε έως 100 βασικούς όρους, καθένας με έως 50 χαρακτήρες, για να κατευθύνετε την απομαγνητοφώνηση προς αυτές τις λέξεις ή προτάσεις.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "elevenlabs/speech-to-text/scribe-v2",
  "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": 8,
    "usd": "0.008",
    "charged": 8,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "text": "string",
    "language_code": "eng",
    "language_probability": 1,
    "words": [
      {
        "text": "string",
        "start": 1.0,
        "end": 1.0,
        "type": "string",
        "speaker_id": "string"
      }
    ]
  },
  "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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
text
stringΠλήρες κείμενο της απομαγνητοφώνησης.
language_code
stringΚωδικός γλώσσας που προκύπτει από ανίχνευση ή ρητό καθορισμό.
language_probability
numberΒαθμολογία βεβαιότητας για την ανιχνευμένη γλώσσα.
words
array of object {text, start, end, type, speaker_id}Πληροφορίες απομαγνητοφώνησης για μεμονωμένες λέξεις.

Περισσότερα μοντέλα: Ομιλία σε κείμενο

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/elevenlabs/speech-to-text/scribe-v2.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt