Gå til innhold

Kotoba Speech-to-Text

Integrer

Modell-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"

Filer som eksempelet: 0,001 $ 1 API-kreditt · ≈ 0,11 ₽ filene dine måles før kjøring Kjør den på denne siden

Hent API-nøkkel
Kotoba Technologies Tale til tekst #commercial-use#speech-to-text#japanese#multilingual

Tale-til-tekst for klipp på opptil 2 minutter, optimalisert for japansk, med ordtidsstempler og nøkkelordtips

Kotoba Technologies · Tekst

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

•obligatorisk audio_url
Slipp en fil, eller

Lydvarighet begrenset til 2 minutter.

language •obligatorisk

Språket som lydens talere bruker.

Avansert with_timestamps · diarization · kana · keywords

Termer som bør foretrekkes i transkripsjonen, inkludert navn eller produktterminologi. Godtar høyst 1000 termer, hver begrenset til 64 tegn.

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

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om Kotoba Speech-to-Text

Transkriberer et lydklipp på opptil 2 minutter fra `audio_url`. Sett `language` til ja, en, ko, zh, es, zh-hk, zh-tw eller auto. Valgfri `with_timestamps` returnerer start- og sluttider per ord, `diarization` merker talere, `keywords` godtar opptil 1000 termer for å styre stavemåten, og `kana` skriver navn med katakana for japansk. Utdata inkluderer tekst, registrert språk og lydvarighet.

Parametere

Send enten det kanoniske navnet eller det opprinnelige navnet, ikke begge. Kanoniske navn

NavnType StandardTillatt Beskrivelse
audio_urlobligatorisk audio
Typeurl · audio
Lydvarighet begrenset til 2 minutter.
languageobligatorisk
Typeenum
jaenkozheszh-hkzh-twauto
Språket som lydens talere bruker.
with_timestampsvalgfritt
Typeboolean
Standardfalse
Tidsinformasjon per ord i `words`, inkludert start og slutt for hvert ord.
diarizationvalgfritt
Typeboolean
Standardfalse
Talerattribusjon på ordnivå, bare tilgjengelig for modeller som støtter talertoken. Hvert ord får en `speaker_id`, men tidspunktet forblir null med mindre `with_timestamps` også er aktivert.
keywordsvalgfritt
Typestring[]
≤ 1 000 elementer
Termer som bør foretrekkes i transkripsjonen, inkludert navn eller produktterminologi. Godtar høyst 1000 termer, hver begrenset til 64 tegn.
kanavalgfritt
Typeboolean
Standardfalse
Katakana-gjengivelse av person- og stedsnavn på japansk.
obligatorisk Kanonisk navn, også godkjent

Filparametere tar imot en offentlig https:// URL, en data: URI på opptil 10 MB eller file_url fra en opplasting. Filer

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt