Przejdź do treści

ElevenLabs Speech to Text - Scribe V2

Integracja

Identyfikator modelu 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"

Pliki takie jak przykład: 0,008 $ 8 kredytów API · ≈ 0,86 ₽ Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
ElevenLabs Mowa na tekst #speech-to-text

Transkrybuje audio z diarizacją mówców, znacznikami zdarzeń audio i preferowaniem terminów kluczowych

ElevenLabs · Tekst

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane audio_url
Upuść plik lub

URL wskazujący audio do transkrypcji.

domyślnie []

Podaj maksymalnie 100 słów kluczowych, każde o długości nie większej niż 50 znaków, aby ukierunkować transkrypcję na te słowa lub zdania.

Zaawansowane language_code · tag_audio_events · diarize

Kod identyfikujący język audio.

POST /run/elevenlabs/speech-to-text/scribe-v2?wait=20 wycena → 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"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o ElevenLabs Speech to Text - Scribe V2

Wyślij `audio_url`, aby otrzymać pełny tekst, szczegóły na poziomie słów oraz wykryty język z wynikiem prawdopodobieństwa. `diarize` oznacza osoby mówiące, a `tag_audio_events` opisuje dźwięki, takie jak śmiech. Można ustawić `language_code`, a `keyterms` przyjmuje do 100 słów lub fraz wpływających na rozpoznawanie.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
audio_urlwymagane audio
Typurl · audio
URL wskazujący audio do transkrypcji.
language_codeopcjonalne
Typstring | null
Kod identyfikujący język audio.
tag_audio_eventsopcjonalne
Typboolean
Domyślnetrue
Określa oznaczanie zdarzeń audio, takich jak śmiech lub oklaski.
diarizeopcjonalne
Typboolean
Domyślnetrue
Określa, czy tożsamości mówców są adnotowane.
keytermsopcjonalne
Typstring[]
Domyślne[]
≤ 100 elementów
Podaj maksymalnie 100 słów kluczowych, każde o długości nie większej niż 50 znaków, aby ukierunkować transkrypcję na te słowa lub zdania.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
text
stringPełny tekst transkrypcji.
language_code
stringKod języka uzyskany podczas wykrywania lub podany jawnie.
language_probability
numberWynik pewności wykrytego języka.
words
array of object {text, start, end, type, speaker_id}Informacje transkrypcji dla poszczególnych słów.

Więcej modeli: Mowa na tekst

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/elevenlabs/speech-to-text/scribe-v2.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt