Vai al contenuto

Kotoba Speech-to-Text

Integra

ID del modello 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"

File come nell'esempio: 0,001 $ 1 credito API · ≈ 0,11 ₽ i tuoi file vengono misurati prima dell'esecuzione Esegui in questa pagina

Ottieni la chiave API
Kotoba Technologies Da voce a testo #commercial-use#speech-to-text#japanese#multilingual

Speech-to-text per clip fino a 2 minuti, ottimizzato per il giapponese, con timestamp delle parole e suggerimenti di parole chiave

Kotoba Technologies · Testo

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

•obbligatorio audio_url
Trascina un file oppure

Durata dell'audio limitata a 2 minuti.

language •obbligatorio

Lingua usata dagli interlocutori dell'audio.

Avanzate with_timestamps · diarization · kana · keywords

Termini la cui ortografia deve essere privilegiata nella trascrizione, inclusi nomi o terminologia di prodotto. Accetta un massimo di 1000 termini, ciascuno limitato a 64 caratteri.

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

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su Kotoba Speech-to-Text

Trascrive una clip audio fino a 2 minuti da `audio_url`. Imposta `language` su ja, en, ko, zh, es, zh-hk, zh-tw o auto. `with_timestamps` facoltativo restituisce i tempi di inizio e fine di ogni parola, `diarization` assegna le etichette ai parlanti, `keywords` accetta fino a 1000 termini per orientare la grafia e `kana` scrive i nomi in katakana per il giapponese. L'output include testo, lingua rilevata e durata dell'audio.

Parametri

Invia il nome canonico oppure il nome nativo, non entrambi. Nomi canonici

NomeTipo PredefinitoConsentiti Descrizione
audio_urlobbligatorio audio
Tipourl · audio
Durata dell'audio limitata a 2 minuti.
languageobbligatorio
Tipoenum
jaenkozheszh-hkzh-twauto
Lingua usata dagli interlocutori dell'audio.
with_timestampsfacoltativo
Tipoboolean
Predefinitofalse
Output della temporizzazione per parola in `words`, inclusi l'inizio e la fine di ogni parola.
diarizationfacoltativo
Tipoboolean
Predefinitofalse
Attribuzione dell'interlocutore a livello di parola, disponibile solo per i modelli che supportano i token degli interlocutori. Ogni parola riceve un `speaker_id`, ma il relativo tempo rimane null finché non viene abilitato anche `with_timestamps`.
keywordsfacoltativo
Tipostring[]
≤ 1000 elementi
Termini la cui ortografia deve essere privilegiata nella trascrizione, inclusi nomi o terminologia di prodotto. Accetta un massimo di 1000 termini, ciascuno limitato a 64 caratteri.
kanafacoltativo
Tipoboolean
Predefinitofalse
Traslitterazione in katakana di nomi di persone e toponimi giapponesi.
obbligatorio Nome canonico, accettato anche

I parametri file accettano un URL pubblico https://, un URI data: fino a 10 MB oppure il file_url di un caricamento. File

Output

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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt