Мазмұнға өту

Kotoba Speech-to-Text

Интеграциялау

Модель идентификаторы 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"

Мысалдағыдай файлдар: 0,001 $ 1 API кредиті · ≈ 0,11 ₽ файлдарыңыз іске қосу алдында өлшенеді Осы бетте іске қосу

API кілтін алу
Kotoba Technologies Сөйлеуден мәтінге #commercial-use#speech-to-text#japanese#multilingual

Жапон тіліне бейімделген, сөз уақыт белгілері мен кілтсөз нұсқауларын қолдайтын, 2 минутқа дейінгі клиптерге арналған сөйлеуден мәтінге моделі

Kotoba Technologies · Мәтін

Алғашқы нәтижеңіз осында пайда болады

Төменде сұрау құрып, оны API кілтіңізбен іске қосыңыз. Шығыстар сақтау орнымызға көшіріліп, мәңгі немесе 7 күн тегін сақталады.

Сұрау жасау

Басқару элементтері модель схемасынан жасалады. Оларды өзгерткен сайын код пен баға жаңартылады.

•міндетті audio_url
Файлды тастаңыз немесе

2 минутпен шектелген аудио ұзақтығы.

language •міндетті

Аудиодағы сөйлеушілер пайдаланатын тіл.

Қосымша with_timestamps · diarization · kana · keywords

Транскриптте жазылуы басым болуы тиіс терминдер, соның ішінде атаулар немесе өнім терминологиясы. Ең көбі 1000 термин қабылданады, әрқайсысы 64 таңбамен шектеледі.

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

Осы сұрауды іске қосу

Кілтіңіз осы браузерде қалады: ол тек Doitong API-ге жіберіледі және Remember параметрін белгілеcеңіз ғана localStorage ішінде сақталады. API кілтін алу

Kotoba Speech-to-Text туралы

`audio_url` арқылы 2 минутқа дейінгі аудио клипті мәтінге айналдырады. `language` мәнін ja, en, ko, zh, es, zh-hk, zh-tw немесе auto ретінде орнатыңыз. Қосымша `with_timestamps` әр сөздің басталу және аяқталу уақыттарын қайтарады, `diarization` сөйлеушілерді белгілейді, `keywords` жазылуды түзету үшін 1000 терминге дейін қабылдайды, ал `kana` жапон тіліндегі атауларды катаканамен жазады. Нәтижеде мәтін, анықталған тіл және аудио ұзақтығы болады.

Параметрлер

Канондық атауды немесе төл атауды жіберіңіз, екеуін қатар жібермеңіз. Канондық атаулар

АтауыТүрі ӘдепкіРұқсат етілген Сипаттама
audio_urlміндетті audio
Түріurl · audio
2 минутпен шектелген аудио ұзақтығы.
languageміндетті
Түріenum
jaenkozheszh-hkzh-twauto
Аудиодағы сөйлеушілер пайдаланатын тіл.
with_timestampsміндетті емес
Түріboolean
Әдепкіfalse
`words` ішіндегі әр сөздің басталу және аяқталу уақытын қамтитын сөз бойынша уақыт деректері.
diarizationміндетті емес
Түріboolean
Әдепкіfalse
Сөз деңгейіндегі сөйлеуші атрибуциясы, тек сөйлеуші токендерін қолдайтын модельдерде қолжетімді. Әр сөзге `speaker_id` беріледі, бірақ `with_timestamps` параметрі де қосылмаса, оның уақыты null болып қалады.
keywordsміндетті емес
Түріstring[]
≤ 1 000 элемент
Транскриптте жазылуы басым болуы тиіс терминдер, соның ішінде атаулар немесе өнім терминологиясы. Ең көбі 1000 термин қабылданады, әрқайсысы 64 таңбамен шектеледі.
kanaміндетті емес
Түріboolean
Әдепкіfalse
Жапон тіліндегі адам және жер атауларының катаканадағы жазылымы.
міндетті Канондық атау, бұл да қабылданады

Файл параметрлері жалпыға қолжетімді https:// URL мекенжайын, 10 MB-қа дейінгі data: URI мекенжайын немесе жүктеп салынған файлдың file_url мәнін қабылдайды. Файлдар

Шығыс

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"
  }
}
Файлдарыңыз — таңдауыңызӘр outputs[].url — сақтау орнымыздағы көшірме: мәңгі (әр GB-ай үшін ақылы) немесе аккаунт параметрі не ?storage= арқылы 7 күн тегін сақталады.
Әр модельдегі пішім бірдейtype, url, content_type, width, height және duration — кескіндерге, бейнеге және аудиоға ортақ. output — модельдің өз нәтижелер нысаны.
Шығыс өрістері
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

AI агенттеріне: бұл беттің Markdown нұсқасы мына жерде: https://doitong.com/kk/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Барлық модельдер мен нұсқаулықтар: https://doitong.com/developers/llms.txt