Ugrás a tartalomhoz

Kotoba Speech-to-Text

Integráció

Modellazonosító 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"

A példához hasonló fájlok: 0,001 $ 1 API-jóváírás · ≈ 0,11 ₽ a fájljaidat a futtatás előtt megmérjük Futtatás ezen az oldalon

API-kulcs beszerzése
Kotoba Technologies Beszédből szöveg #commercial-use#speech-to-text#japanese#multilingual

Beszéd szöveggé alakítása legfeljebb 2 perces klipekhez, japán nyelvre optimalizálva, szószintű időbélyegekkel és kulcsszavas tippekkel

Kotoba Technologies · Szöveg

Az első eredményed itt jelenik meg

Állíts össze egy kérést alább, majd futtasd az API-kulcsoddal. A kimeneteket a tárhelyünkre másoljuk, és örökre vagy 7 nap ideig ingyenesen őrizzük meg.

Kérés összeállítása

A vezérlők a modell sémájából jönnek létre. A kód és az ár a módosításokkal együtt frissül.

•kötelező audio_url
Húzz egy fájlt ide, vagy

Legfeljebb 2 perces hangidőtartam.

language •kötelező

A hang beszélői által használt nyelv.

Speciális with_timestamps · diarization · kana · keywords

A leiratban előnyben részesítendő kifejezések helyesírása, beleértve a neveket és a termékterminológiát. Legfeljebb 1000 kifejezést fogad el, egyenként legfeljebb 64 karakterrel.

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

Kérés futtatása

A kulcsod ebben a böngészőben marad: csak a Doitong API-nak küldjük el, és csak akkor mentjük a localStorage-ba, ha bejelölöd az Emlékezz rám lehetőséget. API-kulcs igénylése

A(z) Kotoba Speech-to-Text bemutatása

Legfeljebb 2 perces hangklipet ír át az `audio_url` címről. A `language` értéke ja, en, ko, zh, es, zh-hk, zh-tw vagy auto lehet. Az opcionális `with_timestamps` szavankénti kezdő- és végidőpontokat ad vissza, a `diarization` megjelöli a beszélőket, a `keywords` legfeljebb 1000 kifejezést fogad el a helyesírás befolyásolásához, a `kana` pedig japán nevek katakanával történő írását teszi lehetővé. A kimenet tartalmazza a szöveget, az észlelt nyelvet és a hang hosszát.

Paraméterek

Küldd el a kanonikus nevet vagy a natív nevet, de ne mindkettőt. Kanonikus nevek

NévTípus AlapértelmezettEngedélyezett Leírás
audio_urlkötelező audio
Típusurl · audio
Legfeljebb 2 perces hangidőtartam.
languagekötelező
Típusenum
jaenkozheszh-hkzh-twauto
A hang beszélői által használt nyelv.
with_timestampsnem kötelező
Típusboolean
Alapértelmezettfalse
Szavankénti időzítési kimenet a `words` mezőben, minden szó kezdési és befejezési idejével.
diarizationnem kötelező
Típusboolean
Alapértelmezettfalse
Szavankénti beszélő-hozzárendelés, amely csak a beszélő-tokeneket támogató modellekben érhető el. Minden szó `speaker_id` értéket kap, de az ideje null marad, ha a `with_timestamps` nincs szintén engedélyezve.
keywordsnem kötelező
Típusstring[]
≤ 1000 elem
A leiratban előnyben részesítendő kifejezések helyesírása, beleértve a neveket és a termékterminológiát. Legfeljebb 1000 kifejezést fogad el, egyenként legfeljebb 64 karakterrel.
kananem kötelező
Típusboolean
Alapértelmezettfalse
Személy- és helynevek katakana átírása japánul.
kötelező Kanonikus név, szintén elfogadva

A fájlparaméterek nyilvános https:// URL-t, legfeljebb 10 MB-os data: URI-t vagy egy feltöltés file_url értékét fogadják el. Fájlok

Kimenet

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"
  }
}
Az Ön fájljai, az Ön döntéseMinden outputs[].url a tárhelyünkön lévő másolat: örökre megőrizve (GB-hónaponként fizetve) vagy 7 nap ideig ingyenesen, a fiókbeállításod vagy a ?storage= alapján.
Azonos struktúra minden modellentype, url, content_type, width, height és duration képekhez, videókhoz és hanganyagokhoz egyaránt. Az output a modell saját eredményobjektuma.
A kimenet mezői
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

AI-ügynököknek: ez az oldal Markdown formátumban itt található: https://doitong.com/hu/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Minden modell és útmutató: https://doitong.com/developers/llms.txt