Ir al contenido

ElevenLabs Speech to Text - Scribe V2

Integrar

ID del modelo 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"

Archivos como el ejemplo: 0,008 $ 8 créditos de API · ≈ 0,86 ₽ tus archivos se miden antes de la ejecución Ejecutar en esta página

Obtener clave de API
ElevenLabs Voz a texto #speech-to-text

Transcripción audio con diarización de hablantes, etiquetas de eventos de audio y ponderación de términos clave

ElevenLabs · Texto

Tu primer resultado aparecerá aquí

Crea una solicitud a continuación y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio audio_url
Suelta un archivo o

URL que apunta al audio para la transcripción.

predeterminado []

Proporcione como máximo 100 términos clave, cada uno de no más de 50 caracteres, para orientar la transcripción hacia esas palabras u oraciones.

Avanzado language_code · tag_audio_events · diarize

Código que identifica el idioma del audio.

POST /run/elevenlabs/speech-to-text/scribe-v2?wait=20 presupuesto → 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"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y solo se guarda en localStorage si marcas Recordar. Obtener una clave de API

Acerca de ElevenLabs Speech to Text - Scribe V2

Envía un `audio_url` y obtén el texto completo, detalles a nivel de palabra y el idioma detectado con una puntuación de probabilidad. `diarize` indica quién habla y `tag_audio_events` etiqueta sonidos como la risa. Se puede establecer `language_code`, y `keyterms` acepta hasta 100 palabras o frases para orientar el reconocimiento.

Parámetros

Envía el nombre canónico o el nombre nativo, pero no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
audio_urlobligatorio audio
Tipourl · audio
URL que apunta al audio para la transcripción.
language_codeopcional
Tipostring | null
Código que identifica el idioma del audio.
tag_audio_eventsopcional
Tipoboolean
Predeterminadotrue
Controla el etiquetado de eventos de audio, como risas o aplausos.
diarizeopcional
Tipoboolean
Predeterminadotrue
Controla si se anotan las identidades de los hablantes.
keytermsopcional
Tipostring[]
Predeterminado[]
≤ 100 elementos
Proporcione como máximo 100 términos clave, cada uno de no más de 50 caracteres, para orientar la transcripción hacia esas palabras u oraciones.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una subida. Archivos

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (con pago por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
text
stringTexto completo de la transcripción.
language_code
stringCódigo de idioma obtenido mediante detección o especificación explícita.
language_probability
numberPuntuación de confianza del idioma detectado.
words
array of object {text, start, end, type, speaker_id}Información de la transcripción para palabras individuales.

Más modelos: Voz a texto

Para agentes de IA: esta página en Markdown está en https://doitong.com/es-ES/developers/models/elevenlabs/speech-to-text/scribe-v2.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt