Pereiti prie turinio

Kotoba Speech-to-Text

Integruoti

Modelio 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"

Failai kaip pavyzdyje: 0,001 $ 1 API kreditas · ≈ 0,11 ₽ jūsų failai išmatuojami prieš paleidimą Paleisti šiame puslapyje

Gauti API raktą
Kotoba Technologies Kalba į tekstą #commercial-use#speech-to-text#japanese#multilingual

Kalbos vertimas į tekstą iki 2 minučių trukmės klipams, optimizuotas japonų kalbai, su žodžių laiko žymomis ir raktinių žodžių užuominomis

Kotoba Technologies · Tekstas

Čia bus pirmasis jūsų rezultatas

Sukurkite užklausą toliau ir paleiskite ją naudodami savo API raktą. Išvestys nukopijuojamos į mūsų saugyklą ir saugomos neribotą laiką arba 7 dienos nemokamai.

Sukurti užklausą

Valdikliai sugeneruojami pagal modelio schemą. Keisdami juos atnaujinsite kodą ir kainą.

•privaloma audio_url
Įmeskite failą arba

Garso trukmė ribojama iki 2 minučių.

language •privaloma

Garso kalbėtojų vartojama kalba.

Išplėstiniai with_timestamps · diarization · kana · keywords

Terminai, kurių rašyba transkripcijoje turėtų būti teikiama pirmenybė, įskaitant vardus ar produktų terminiją. Priimama ne daugiau kaip 1000 terminų, kiekvienas ribojamas iki 64 simbolių.

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

Vykdyti šią užklausą

Jūsų raktas lieka šioje naršyklėje: jis siunčiamas tik į Doitong API ir išsaugomas (localStorage) tik pažymėjus Prisiminti. Gauti API raktą

Apie Kotoba Speech-to-Text

Transkribuoja iki 2 minučių trukmės garso klipą iš `audio_url`. Nustatykite `language` į ja, en, ko, zh, es, zh-hk, zh-tw arba auto. Pasirinktinai `with_timestamps` grąžina kiekvieno žodžio pradžios ir pabaigos laikus, `diarization` pažymi kalbėtojus, `keywords` priima iki 1000 terminų rašybai paveikti, o `kana` japoniškus vardus rašo katakana. Išvestyje pateikiamas tekstas, aptikta kalba ir garso trukmė.

Parametrai

Siųskite arba kanoninį, arba savąjį pavadinimą, bet ne abu. Kanoniniai pavadinimai

PavadinimasTipas Numatytoji reikšmėLeidžiama Aprašas
audio_urlprivaloma audio
Tipasurl · audio
Garso trukmė ribojama iki 2 minučių.
languageprivaloma
Tipasenum
jaenkozheszh-hkzh-twauto
Garso kalbėtojų vartojama kalba.
with_timestampsneprivalomas
Tipasboolean
Numatytoji reikšmėfalse
Žodžių laiko informacija `words`, įskaitant kiekvieno žodžio pradžią ir pabaigą.
diarizationneprivalomas
Tipasboolean
Numatytoji reikšmėfalse
Žodžių lygmens kalbėtojo priskyrimas, galimas tik modeliams, palaikantiems kalbėtojų žetonus. Kiekvienam žodžiui priskiriamas `speaker_id`, tačiau jo laikas lieka null, nebent taip pat įjungtas `with_timestamps`.
keywordsneprivalomas
Tipasstring[]
≤ 1 000 elementų
Terminai, kurių rašyba transkripcijoje turėtų būti teikiama pirmenybė, įskaitant vardus ar produktų terminiją. Priimama ne daugiau kaip 1000 terminų, kiekvienas ribojamas iki 64 simbolių.
kananeprivalomas
Tipasboolean
Numatytoji reikšmėfalse
Žmonių vardų ir vietovardžių perteikimas katakana japonų kalba.
privaloma Kanoninis pavadinimas, taip pat priimamas

Failų parametrams reikia viešo https:// URL, ne didesnio nei 10 MB data: URI arba įkelto failo file_url. Failai

Išvestis

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"
  }
}
Jūsų failai — jūsų pasirinkimasKiekvienas outputs[].url yra kopija mūsų saugykloje: saugoma neribotą laiką (mokama už GB per mėnesį) arba 7 dienos nemokamai, pagal paskyros nustatymą arba ?storage=.
Ta pati struktūra kiekviename modelyjetype, url, content_type, width, height ir duration taikomi vaizdams, vaizdo įrašams ir garsui. output yra paties modelio rezultatų objektas.
Išvesties laukai
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

AI agentams: šis puslapis Markdown formatu pateikiamas adresu https://doitong.com/lt/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Visi modeliai ir vadovai: https://doitong.com/developers/llms.txt