콘텐츠로 건너뛰기

Kotoba Speech-to-Text

통합

모델 id 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"

예시와 같은 파일: $0.001 1 API 크레딧 · ≈ ₽0.11 실행 전에 파일을 측정합니다 이 페이지에서 실행

API 키 받기
Kotoba Technologies 음성을 텍스트로 #commercial-use#speech-to-text#japanese#multilingual

최대 2분 클립을 위한 음성-투-텍스트로, 일본어에 최적화되고 단어 타임스탬프와 키워드 힌트를 지원

Kotoba Technologies · 텍스트

첫 번째 결과가 여기에 표시됩니다

아래에서 요청을 작성하고 API 키로 실행하세요. 출력은 스토리지에 복사되며, 영구 보관하거나 7일 동안 무료로 보관할 수 있습니다.

요청 만들기

컨트롤은 모델 스키마에서 생성됩니다. 값을 변경하면 코드와 가격이 업데이트됩니다.

•필수 audio_url
파일을 끌어다 놓거나

2분으로 제한된 오디오 길이입니다.

language •필수

오디오 화자들이 사용하는 언어입니다.

고급 with_timestamps · diarization · kana · keywords

전사에서 우선할 표기이며 이름이나 제품 용어를 포함합니다. 최대 1000개 용어를 허용하고 각 용어는 64자로 제한됩니다.

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

이 요청 실행

키는 이 브라우저에 유지됩니다. Doitong API로만 전송되며, 기억하기를 선택한 경우에만 localStorage에 저장됩니다. API 키 받기

Kotoba Speech-to-Text 정보

`audio_url`에서 최대 2분의 오디오 클립을 전사합니다. `language`는 ja, en, ko, zh, es, zh-hk, zh-tw 또는 auto로 설정합니다. 선택적 `with_timestamps`는 단어별 시작 및 종료 시간을 반환하고, `diarization`은 화자를 표시하며, `keywords`는 철자 편향을 위해 최대 1000개 용어를 받습니다. `kana`는 일본어 이름을 가타카나로 표기합니다. 출력에는 텍스트, 감지된 언어 및 오디오 길이가 포함됩니다.

매개변수

표준 이름이나 네이티브 이름 중 하나만 보내세요. 표준 이름

이름유형 기본값허용됨 설명
audio_url필수 audio
유형url · audio
2분으로 제한된 오디오 길이입니다.
language필수
유형enum
jaenkozheszh-hkzh-twauto
오디오 화자들이 사용하는 언어입니다.
with_timestamps선택 사항
유형boolean
기본값false
`words`의 단어별 타이밍 출력으로, 각 단어의 시작과 끝을 포함합니다.
diarization선택 사항
유형boolean
기본값false
단어 수준의 화자 귀속입니다. 화자 토큰을 지원하는 모델에서만 사용할 수 있습니다. 각 단어에 `speaker_id`가 지정되지만 `with_timestamps`도 활성화하지 않으면 시간은 null로 유지됩니다.
keywords선택 사항
유형string[]
≤ 1,000개 항목
전사에서 우선할 표기이며 이름이나 제품 용어를 포함합니다. 최대 1000개 용어를 허용하고 각 용어는 64자로 제한됩니다.
kana선택 사항
유형boolean
기본값false
일본어 인명과 지명의 가타카나 표기입니다.
필수 표준 이름, 사용 가능

파일 매개변수에는 공개 https:// URL, 최대 10 MB의 data: URI 또는 업로드의 file_url을 사용할 수 있습니다. 파일

출력

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"
  }
}
파일 보관 방식 선택모든 outputs[].url은 스토리지에 저장된 복사본입니다. 계정 설정 또는 ?storage=에 따라 영구 보관(GB-월 단위 과금)하거나 7일 동안 무료로 보관합니다.
모든 모델에서 동일한 구조이미지, 동영상, 오디오 모두 type, url, content_type, width, height 및 duration을 사용합니다. output은 모델 자체의 결과 객체입니다.
출력 필드
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

AI 에이전트용: 이 페이지의 Markdown 버전: https://doitong.com/ko/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. 모든 모델 및 가이드: https://doitong.com/developers/llms.txt