Avançar para o conteúdo

ElevenLabs Speech to Text - Scribe V2

Integrar

ID do modelo 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"

Ficheiros como o exemplo: 0,008 $ 8 créditos da API · ≈ 0,86 ₽ os seus ficheiros são medidos antes da execução Executar nesta página

Obter chave de API
ElevenLabs Voz para texto #speech-to-text

Transcreve áudio com diarização de oradores, etiquetas de eventos de áudio e viés para termos-chave

ElevenLabs · Texto

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório audio_url
Largue um ficheiro ou

URL que aponta para o áudio a transcrever.

predefinição []

Forneça no máximo 100 termos-chave, cada um com no máximo 50 caracteres, para orientar a transcrição para essas palavras ou frases.

Avançado language_code · tag_audio_events · diarize

Código que identifica o idioma do áudio.

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

Executar este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre ElevenLabs Speech to Text - Scribe V2

Envie um `audio_url` e obtenha o texto completo, detalhes ao nível das palavras e o idioma detetado com uma pontuação de probabilidade. `diarize` identifica quem está a falar e `tag_audio_events` etiqueta sons como risos. `language_code` pode ser definido e `keyterms` aceita até 100 palavras ou expressões para influenciar o reconhecimento.

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
URL que aponta para o áudio a transcrever.
language_codeopcional
Tipostring | null
Código que identifica o idioma do áudio.
tag_audio_eventsopcional
Tipoboolean
Predefiniçãotrue
Controla a etiquetagem de eventos de áudio, como risos ou aplausos.
diarizeopcional
Tipoboolean
Predefiniçãotrue
Controla se as identidades dos oradores são anotadas.
keytermsopcional
Tipostring[]
Predefinição[]
≤ 100 itens
Forneça no máximo 100 termos-chave, cada um com no máximo 50 caracteres, para orientar a transcrição para essas palavras ou frases.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
text
stringTexto completo da transcrição.
language_code
stringCódigo de idioma obtido através de deteção ou especificação explícita.
language_probability
numberPontuação de confiança do idioma detetado.
words
array of object {text, start, end, type, speaker_id}Informação de transcrição para palavras individuais.

Mais modelos: Voz para texto

Para agentes de IA: esta página em Markdown está disponível em https://doitong.com/pt-PT/developers/models/elevenlabs/speech-to-text/scribe-v2.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt