Léim chuig an ábhar

Kotoba Speech-to-Text

Comhtháthú

Aitheantas na samhla 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"

Comhaid cosúil leis an sampla: $0.001 1 chreidmheas API · ≈ ₽0.11 déantar do chuid comhad a thomhas roimh an rith Rith ar an leathanach seo

Faigh eochair API
Kotoba Technologies Urlabhra go Téacs #commercial-use#speech-to-text#japanese#multilingual

Urlabhra-go-téacs do ghearrthóga suas le 2 nóiméad, tiúnáilte don tSeapáinis, le stampaí ama focal agus leideanna eochairfhocail

Kotoba Technologies · Téacs

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach audio_url
Scaoil comhad, nó

Fad fuaime teoranta do 2 nóiméad.

language •riachtanach

Teanga a úsáideann cainteoirí na fuaime.

Ardleibhéal with_timestamps · diarization · kana · keywords

Téarmaí ar cheart a litriú a roghnú sa tras-scríbhinn, lena n-áirítear ainmneacha nó téarmaíocht táirge. Glacann sé le 1000 téarma ar a mhéad, agus gach ceann teoranta do 64 carachtar.

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

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Kotoba Speech-to-Text

Tras-scríobhann sé gearrthóg fuaime suas le 2 nóiméad ó `audio_url`. Socraigh `language` go ja, en, ko, zh, es, zh-hk, zh-tw nó auto. Filleann `with_timestamps` roghnach amanna tosaigh agus deiridh in aghaidh an fhocail, lipéadaíonn `diarization` cainteoirí, glacann `keywords` le suas le 1000 téarma chun litriú a chlaonadh, agus scríobhann `kana` ainmneacha i gcatakana don tSeapáinis. Áirítear san aschur téacs, an teanga braite agus fad na fuaime.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
audio_urlriachtanach audio
Cineálurl · audio
Fad fuaime teoranta do 2 nóiméad.
languageriachtanach
Cineálenum
jaenkozheszh-hkzh-twauto
Teanga a úsáideann cainteoirí na fuaime.
with_timestampsroghnach
Cineálboolean
Réamhshocrúfalse
Aschur amaithe in aghaidh an fhocail in `words`, lena n-áirítear tús agus deireadh gach focal.
diarizationroghnach
Cineálboolean
Réamhshocrúfalse
Sannadh cainteora ar leibhéal an fhocail, ar fáil do shamhlacha a thacaíonn le tócain chainteora amháin. Faigheann gach focal `speaker_id`, ach fanann a am null mura bhfuil `with_timestamps` cumasaithe freisin.
keywordsroghnach
Cineálstring[]
≤ 1,000 mír
Téarmaí ar cheart a litriú a roghnú sa tras-scríbhinn, lena n-áirítear ainmneacha nó téarmaíocht táirge. Glacann sé le 1000 téarma ar a mhéad, agus gach ceann teoranta do 64 carachtar.
kanaroghnach
Cineálboolean
Réamhshocrúfalse
Leagan Katakana d'ainmneacha daoine agus logainmneacha sa tSeapáinis.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt