Passer au contenu

Kotoba Speech-to-Text

Intégrer

Identifiant du modèle 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"

Fichiers comme dans l’exemple: 0,001 $ 1 crédit API · ≈ 0,11 ₽ vos fichiers sont mesurés avant l’exécution L’exécuter sur cette page

Obtenir une clé API
Kotoba Technologies Parole vers texte #commercial-use#speech-to-text#japanese#multilingual

Speech-to-text pour des clips de 2 minutes maximum, optimisé pour le japonais, avec horodatage des mots et suggestions de mots-clés

Kotoba Technologies · Texte

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

•requis audio_url
Déposez un fichier, ou

Durée audio limitée à 2 minutes.

language •requis

Langue utilisée par les locuteurs de l'audio.

Avancé with_timestamps · diarization · kana · keywords

Termes dont l'orthographe doit être privilégiée dans la transcription, notamment les noms ou la terminologie produit. Accepte au maximum 1000 termes, chacun limité à 64 caractères.

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

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Kotoba Speech-to-Text

Transcrit un clip audio de 2 minutes maximum depuis `audio_url`. Définissez `language` sur ja, en, ko, zh, es, zh-hk, zh-tw ou auto. L'option facultative `with_timestamps` renvoie les heures de début et de fin de chaque mot, `diarization` identifie les locuteurs, `keywords` accepte jusqu'à 1000 termes pour orienter l'orthographe et `kana` écrit les noms en katakana pour le japonais. La sortie comprend le texte, la langue détectée et la durée audio.

Paramètres

Envoyez soit le nom canonique, soit le nom natif, mais pas les deux. Noms canoniques

NomType Par défautAutorisé Description
audio_urlrequis audio
Typeurl · audio
Durée audio limitée à 2 minutes.
languagerequis
Typeenum
jaenkozheszh-hkzh-twauto
Langue utilisée par les locuteurs de l'audio.
with_timestampsfacultatif
Typeboolean
Par défautfalse
Sortie du minutage par mot dans `words`, incluant le début et la fin de chaque mot.
diarizationfacultatif
Typeboolean
Par défautfalse
Attribution des locuteurs au niveau des mots, disponible uniquement pour les modèles prenant en charge les jetons de locuteur. Chaque mot reçoit un `speaker_id`, mais son temps reste null sauf si `with_timestamps` est également activé.
keywordsfacultatif
Typestring[]
≤ 1 000 éléments
Termes dont l'orthographe doit être privilégiée dans la transcription, notamment les noms ou la terminologie produit. Accepte au maximum 1000 termes, chacun limité à 64 caractères.
kanafacultatif
Typeboolean
Par défautfalse
Transcription en katakana des noms de personnes et de lieux en japonais.
requis Nom canonique, également accepté

Les paramètres de fichier acceptent une URL publique https://, un URI data: jusqu’à 10 MB ou le file_url d’un téléversement. Fichiers

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt