Ir para o conteúdo

ElevenLabs Speech to Text

Integrar

ID do modelo elevenlabs/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/elevenlabs/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"
  }'

# 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"

Arquivos como o exemplo: $ 0,03 30 créditos de API · ≈ ₽ 3,23 seus arquivos são medidos antes da execução Executar nesta página

Obter chave de API
ElevenLabs Fala para texto #speech

Transcrição geral de fala com diarização de falantes, tags de eventos de áudio e detalhes por palavra

ElevenLabs · Texto

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório audio_url
Solte um arquivo ou

URL que aponta para o áudio a ser transcrito.

Avançado language_code · tag_audio_events · diarize

Código que identifica o idioma do áudio.

POST /run/elevenlabs/speech-to-text?wait=20 cotação → $ 0,03
# 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?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"

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre ElevenLabs Speech to Text

Transcreve um arquivo de áudio para texto. Defina `language_code` ou deixe-o vazio para detecção. `diarize` identifica quem está falando e `tag_audio_events` marca sons como risadas; ambos vêm ativados por padrão. A saída contém o texto completo, o idioma e a confiança da detecção, além de detalhes por palavra.

Parâmetros

Envie o nome canônico ou o nome nativo, não ambos. Nomes canônicos

NomeTipo PadrãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
URL que aponta para o áudio a ser transcrito.
language_codeopcional
Tipostring | null
Código que identifica o idioma do áudio.
tag_audio_eventsopcional
Tipoboolean
Padrãotrue
Controla a identificação de eventos de áudio, como risadas ou aplausos.
diarizeopcional
Tipoboolean
Padrãotrue
Controla se as identidades dos falantes são anotadas.
obrigatório Nome canônico, também aceito

Os parâmetros de arquivo aceitam uma URL https:// pública, um URI data: de até 10 MB ou o file_url de um upload. Arquivos

Saída

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "elevenlabs/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": 30,
    "usd": "0.03",
    "charged": 30,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "text": "string",
    "language_code": "string",
    "language_probability": 1.0,
    "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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
text
stringTexto completo da transcrição.
language_code
stringCódigo do idioma obtido por detecção ou especificação explícita.
language_probability
numberPontuação de confiança do idioma detectado.
words
array of object {text, start, end, type, speaker_id}Informações de transcrição para palavras individuais.

Mais modelos: Fala para texto

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/elevenlabs/speech-to-text.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt