Sleppa yfir í efni

Kotoba Speech-to-Text

Tengja

Auðkenni líkans 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"

Skrár eins og dæmið: 0,001 $ 1 API-inneign · ≈ 0,11 ₽ skrárnar þínar eru mældar áður en keyrt er Keyra á þessari síðu

Fá API-lykil
Kotoba Technologies Tal í texta #commercial-use#speech-to-text#japanese#multilingual

Tal í texta fyrir myndskeið allt að 2 mínútum, fínstillt fyrir japönsku, með orðatímamerkjum og leitarorðavísbendingum

Kotoba Technologies · Texti

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið audio_url
Slepptu skrá eða

Lengd hljóðs takmörkuð við 2 mínútur.

language •áskilið

Tungumál sem talendur hljóðsins nota.

Ítarlegt with_timestamps · diarization · kana · keywords

Hugtök sem eiga að njóta forgangs í stafsetningu afritunarinnar, þar á meðal nöfn eða vöruheiti. Tekur við að hámarki 1000 hugtökum, hvert að hámarki 64 stafir.

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

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um Kotoba Speech-to-Text

Skrifar upp hljóðskeið allt að 2 mínútum úr `audio_url`. Stilltu `language` á ja, en, ko, zh, es, zh-hk, zh-tw eða auto. Valfrjálst `with_timestamps` skilar upphafs- og lokatímum fyrir hvert orð, `diarization` merkir talendur, `keywords` tekur við allt að 1000 hugtökum til að hafa áhrif á stafsetningu og `kana` skrifar nöfn með katakana fyrir japönsku. Úttakið inniheldur texta, greint tungumál og lengd hljóðs.

Færibreytur

Sendu annaðhvort samræmda heitið eða upprunalega heitið, ekki bæði. Samræmd heiti

HeitiGerð SjálfgefiðLeyfilegt Lýsing
audio_urláskilið audio
Gerðurl · audio
Lengd hljóðs takmörkuð við 2 mínútur.
languageáskilið
Gerðenum
jaenkozheszh-hkzh-twauto
Tungumál sem talendur hljóðsins nota.
with_timestampsvalfrjálst
Gerðboolean
Sjálfgefiðfalse
Tímasett úttak fyrir hvert orð í `words`, þar á meðal upphaf og lok hvers orðs.
diarizationvalfrjálst
Gerðboolean
Sjálfgefiðfalse
Tengingu orða við talanda á orðastigi, aðeins í boði fyrir líkön sem styðja talandatákn. Hvert orð fær `speaker_id`, en tími þess er null nema `with_timestamps` sé einnig virkt.
keywordsvalfrjálst
Gerðstring[]
≤ 1.000 atriði
Hugtök sem eiga að njóta forgangs í stafsetningu afritunarinnar, þar á meðal nöfn eða vöruheiti. Tekur við að hámarki 1000 hugtökum, hvert að hámarki 64 stafir.
kanavalfrjálst
Gerðboolean
Sjálfgefiðfalse
Katakana-ritun á mannanöfnum og örnefnum á japönsku.
áskilið Samræmt heiti, einnig samþykkt

Skrárfæribreytur taka við opinberri https://-vefslóð, data:-URI allt að 10 MB eða file_url fyrir upphleðslu. Skrár

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt