Ir para o conteúdo

Kotoba Speech-to-Text

Integrar

ID do modelo 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"

Arquivos como o exemplo: $ 0,001 1 crédito de API · ≈ ₽ 0,11 seus arquivos são medidos antes da execução Executar nesta página

Obter chave de API
Kotoba Technologies Fala para texto #commercial-use#speech-to-text#japanese#multilingual

Conversão de fala em texto para clipes de até 2 minutos, otimizada para japonês, com marcas de tempo por palavra e dicas de palavras-chave

Kotoba Technologies · 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

Duração do áudio limitada a 2 minutos.

language •obrigatório

Idioma usado pelos falantes do áudio.

Avançado with_timestamps · diarization · kana · keywords

Termos cuja grafia deve ser priorizada na transcrição, incluindo nomes ou terminologia de produtos. Aceita no máximo 1000 termos, cada um limitado a 64 caracteres.

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

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 Kotoba Speech-to-Text

Transcreve um clipe de áudio de até 2 minutos a partir de `audio_url`. Defina `language` como ja, en, ko, zh, es, zh-hk, zh-tw ou auto. O `with_timestamps` opcional retorna os horários inicial e final de cada palavra, `diarization` identifica os locutores, `keywords` aceita até 1000 termos para orientar a grafia, e `kana` escreve nomes em katakana para japonês. A saída inclui texto, idioma detectado e duração do áudio.

Parâmetros

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

NomeTipo PadrãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
Duração do áudio limitada a 2 minutos.
languageobrigatório
Tipoenum
jaenkozheszh-hkzh-twauto
Idioma usado pelos falantes do áudio.
with_timestampsopcional
Tipoboolean
Padrãofalse
Saída de tempo por palavra em `words`, incluindo o início e o fim de cada palavra.
diarizationopcional
Tipoboolean
Padrãofalse
Atribuição de falante em nível de palavra, disponível somente para modelos compatíveis com tokens de falante. Cada palavra recebe um `speaker_id`, mas seu tempo permanece nulo, a menos que `with_timestamps` também esteja habilitado.
keywordsopcional
Tipostring[]
≤ 1.000 itens
Termos cuja grafia deve ser priorizada na transcrição, incluindo nomes ou terminologia de produtos. Aceita no máximo 1000 termos, cada um limitado a 64 caracteres.
kanaopcional
Tipoboolean
Padrãofalse
Transliteração em katakana de nomes de pessoas e lugares em japonês.
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": "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"
  }
}
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
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt