ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

ElevenLabs Speech to Text - Scribe V2

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id elevenlabs/speech-to-text/scribe-v2
# 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/elevenlabs/speech-to-text/scribe-v2?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"
  }'

# 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"

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $0.008 8 API ਕ੍ਰੈਡਿਟ · ≈ ₽0.86 ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
ElevenLabs ਬੋਲੀ ਤੋਂ ਟੈਕਸਟ #speech-to-text

ਸਪੀਕਰ ਡਾਇਰਾਈਜ਼ੇਸ਼ਨ, ਆਡੀਓ-ਇਵੈਂਟ ਟੈਗ ਅਤੇ ਕੀਟਰਮ ਬਾਇਸਿੰਗ ਨਾਲ ਆਡੀਓ ਟ੍ਰਾਂਸਕ੍ਰਾਈਬ ਕਰਦਾ ਹੈ

ElevenLabs · ਟੈਕਸਟ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ audio_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਲਈ ਆਡੀਓ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ URL।

ਡਿਫ਼ਾਲਟ []

ਵੱਧ ਤੋਂ ਵੱਧ 100 ਮੁੱਖ ਸ਼ਬਦ ਦਿਓ, ਹਰ ਇੱਕ 50 ਅੱਖਰਾਂ ਤੋਂ ਲੰਮਾ ਨਾ ਹੋਵੇ, ਤਾਂ ਜੋ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਨੂੰ ਉਨ੍ਹਾਂ ਸ਼ਬਦਾਂ ਜਾਂ ਵਾਕਾਂ ਵੱਲ ਮੋੜਿਆ ਜਾ ਸਕੇ।

ਉੱਨਤ language_code · tag_audio_events · diarize

ਆਡੀਓ ਦੀ ਭਾਸ਼ਾ ਦੀ ਪਛਾਣ ਕਰਨ ਵਾਲਾ ਕੋਡ।

POST /run/elevenlabs/speech-to-text/scribe-v2?wait=20 ਕੋਟ → $0.008
# 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/elevenlabs/speech-to-text/scribe-v2?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"
  }'

# 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"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

ElevenLabs Speech to Text - Scribe V2 ਬਾਰੇ

`audio_url` ਭੇਜੋ ਅਤੇ ਪੂਰਾ ਟੈਕਸਟ, ਸ਼ਬਦ-ਪੱਧਰੀ ਵੇਰਵੇ ਅਤੇ ਸੰਭਾਵਨਾ ਸਕੋਰ ਸਮੇਤ ਪਛਾਣੀ ਭਾਸ਼ਾ ਪ੍ਰਾਪਤ ਕਰੋ। `diarize` ਬੋਲਣ ਵਾਲੇ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦਾ ਹੈ ਅਤੇ `tag_audio_events` ਹਾਸੇ ਵਰਗੀਆਂ ਆਵਾਜ਼ਾਂ ਨੂੰ ਲੇਬਲ ਕਰਦਾ ਹੈ। `language_code` ਸੈੱਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ `keyterms` ਪਛਾਣ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਲਈ 100 ਸ਼ਬਦ ਜਾਂ ਵਾਕਾਂਸ਼ਾਂ ਤੱਕ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
audio_urlਲੋੜੀਂਦਾ audio
ਕਿਸਮurl · audio
ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਲਈ ਆਡੀਓ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ URL।
language_codeਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਆਡੀਓ ਦੀ ਭਾਸ਼ਾ ਦੀ ਪਛਾਣ ਕਰਨ ਵਾਲਾ ਕੋਡ।
tag_audio_eventsਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
ਆਡੀਓ ਘਟਨਾਵਾਂ, ਜਿਵੇਂ ਹਾਸਾ ਜਾਂ ਤਾਲੀਆਂ, ਨੂੰ ਟੈਗ ਕਰਨ ਦਾ ਨਿਯੰਤਰਣ।
diarizeਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
ਇਹ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ ਕਿ ਵਕਤਾ ਦੀ ਪਛਾਣ ਦਰਜ ਕੀਤੀ ਜਾਵੇ ਜਾਂ ਨਹੀਂ।
keytermsਵਿਕਲਪਿਕ
ਕਿਸਮstring[]
ਡਿਫ਼ਾਲਟ[]
≤ 100 ਆਈਟਮਾਂ
ਵੱਧ ਤੋਂ ਵੱਧ 100 ਮੁੱਖ ਸ਼ਬਦ ਦਿਓ, ਹਰ ਇੱਕ 50 ਅੱਖਰਾਂ ਤੋਂ ਲੰਮਾ ਨਾ ਹੋਵੇ, ਤਾਂ ਜੋ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਨੂੰ ਉਨ੍ਹਾਂ ਸ਼ਬਦਾਂ ਜਾਂ ਵਾਕਾਂ ਵੱਲ ਮੋੜਿਆ ਜਾ ਸਕੇ।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "elevenlabs/speech-to-text/scribe-v2",
  "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": 8,
    "usd": "0.008",
    "charged": 8,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "text": "string",
    "language_code": "eng",
    "language_probability": 1,
    "words": [
      {
        "text": "string",
        "start": 1.0,
        "end": 1.0,
        "type": "string",
        "speaker_id": "string"
      }
    ]
  },
  "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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
text
stringਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਦਾ ਪੂਰਾ ਪਾਠ।
language_code
stringਪਛਾਣ ਜਾਂ ਸਪਸ਼ਟ ਨਿਰਧਾਰਣ ਰਾਹੀਂ ਪ੍ਰਾਪਤ ਭਾਸ਼ਾ ਕੋਡ।
language_probability
numberਪਛਾਣੀ ਗਈ ਭਾਸ਼ਾ ਲਈ ਭਰੋਸਾ ਸਕੋਰ।
words
array of object {text, start, end, type, speaker_id}ਵਿਅਕਤੀਗਤ ਸ਼ਬਦਾਂ ਲਈ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਜਾਣਕਾਰੀ।

ਹੋਰ ਮਾਡਲ: ਬੋਲੀ ਤੋਂ ਟੈਕਸਟ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/elevenlabs/speech-to-text/scribe-v2.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt