Pāriet uz saturu

Kotoba Speech-to-Text

Integrēt

Modeļa 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"

Faili, piemēram, paraugā: 0,001 $ 1 API kredīts · ≈ 0,11 ₽ jūsu faili tiek izmērīti pirms izpildes Izpildīt šajā lapā

Iegūt API atslēgu
Kotoba Technologies Runa uz tekstu #commercial-use#speech-to-text#japanese#multilingual

Runas pārveide tekstā klipiem līdz 2 minūtēm, optimizēta japāņu valodai, ar vārdu laika zīmogiem un atslēgvārdu norādēm

Kotoba Technologies · Teksts

Šeit būs jūsu pirmais rezultāts

Izveidojiet pieprasījumu tālāk un izpildiet to ar savu API atslēgu. Izvades tiek kopētas mūsu krātuvē un glabātas mūžīgi vai 7 dienas bez maksas.

Izveidot pieprasījumu

Vadīklas tiek ģenerētas no modeļa shēmas. Kods un cena tiek atjaunināti, kad tos maināt.

•obligāts audio_url
Nometiet failu vai

Audio ilgums ierobežots līdz 2 minūtēm.

language •obligāts

Audio runātāju izmantotā valoda.

Papildu with_timestamps · diarization · kana · keywords

Termini, kuru rakstībai transkriptā jādod priekšroka, tostarp vārdi vai produktu terminoloģija. Pieņem ne vairāk kā 1000 terminus, katrs līdz 64 rakstzīmēm.

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

Palaist šo pieprasījumu

Jūsu atslēga paliek šajā pārlūkprogrammā: tā tiek nosūtīta tikai uz Doitong API un saglabāta (localStorage) tikai tad, ja atzīmējat Atcerēties. Iegūt API atslēgu

Par Kotoba Speech-to-Text

Transkribē līdz 2 minūšu audio klipu no `audio_url`. Iestatiet `language` uz ja, en, ko, zh, es, zh-hk, zh-tw vai auto. Neobligāts `with_timestamps` atgriež katra vārda sākuma un beigu laikus, `diarization` marķē runātājus, `keywords` pieņem līdz 1000 terminiem pareizrakstības ietekmēšanai, bet `kana` japāņu vārdus raksta katakanā. Izvade ietver tekstu, noteikto valodu un audio ilgumu.

Parametri

Nosūti vai nu kanonisko nosaukumu, vai vietējo nosaukumu, bet ne abus. Kan啤niskie nosaukumi

NosaukumsTips NoklusējumsAtļauts Apraksts
audio_urlobligāts audio
Tipsurl · audio
Audio ilgums ierobežots līdz 2 minūtēm.
languageobligāts
Tipsenum
jaenkozheszh-hkzh-twauto
Audio runātāju izmantotā valoda.
with_timestampsneobligāts
Tipsboolean
Noklusējumsfalse
Vārdu laika izvade laukā `words`, ietverot katra vārda sākumu un beigas.
diarizationneobligāts
Tipsboolean
Noklusējumsfalse
Runātāja piešķīrums vārdu līmenī, pieejams tikai modeļiem, kas atbalsta runātāja marķierus. Katram vārdam tiek piešķirts `speaker_id`, bet tā laiks paliek null, ja vien nav iespējots arī `with_timestamps`.
keywordsneobligāts
Tipsstring[]
≤ 1000 vienumu
Termini, kuru rakstībai transkriptā jādod priekšroka, tostarp vārdi vai produktu terminoloģija. Pieņem ne vairāk kā 1000 terminus, katrs līdz 64 rakstzīmēm.
kananeobligāts
Tipsboolean
Noklusējumsfalse
Cilvēku un vietvārdu atveide katakanā japāņu valodā.
obligāts Kan啤niskais nosaukums, arī pieņemts

Failu parametriem nepieciešams publisks https:// URL, data: URI līdz 10 MB vai augšupielādes file_url. Faili

Izvade

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"
  }
}
Jūsu faili, jūsu izvēleKatrs outputs[].url ir kopija mūsu krātuvē: tiek glabāta mūžīgi (maksa par GB mēnesī) vai 7 dienas bez maksas — atbilstoši konta iestatījumam vai ?storage=.
Vienāda struktūra katram modelimtype, url, content_type, width, height un duration gan attēliem, gan video un audio. output ir paša modeļa rezultāta objekts.
Izvades lauki
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

AI aģentiem: šī lapa Markdown formātā ir pieejama https://doitong.com/lv/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Visi modeļi un ceļveži: https://doitong.com/developers/llms.txt