Avançar 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"

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

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

Speech-to-text para clips até 2 minutos, otimizado para japonês, com marcas temporais por palavra e sugestões de palavras-chave

Kotoba Technologies · 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

Duração do áudio limitada a 2 minutos.

language •obrigatório

Idioma usado pelos falantes do áudio.

Avançado with_timestamps · diarization · kana · keywords

Termos cuja ortografia deve ser privilegiada 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 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 Kotoba Speech-to-Text

Transcreve um clip 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. `with_timestamps` opcional devolve os tempos de início e fim de cada palavra, `diarization` identifica os locutores, `keywords` aceita até 1000 termos para influenciar a ortografia e `kana` escreve nomes em katakana para japonês. A saída inclui texto, idioma detetado e duração do áudio.

Parâmetros

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

NomeTipo PredefiniçãoPermitido 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
Predefiniçãofalse
Saída de temporização por palavra em `words`, incluindo o início e o fim de cada palavra.
diarizationopcional
Tipoboolean
Predefiniçãofalse
Atribuição de falante ao nível da palavra, disponível apenas para modelos compatíveis com tokens de falante. Cada palavra recebe um `speaker_id`, mas o respetivo tempo permanece nulo, exceto quando `with_timestamps` também está ativado.
keywordsopcional
Tipostring[]
≤ 1000 itens
Termos cuja ortografia deve ser privilegiada na transcrição, incluindo nomes ou terminologia de produtos. Aceita no máximo 1000 termos, cada um limitado a 64 caracteres.
kanaopcional
Tipoboolean
Predefiniçãofalse
Transcrição em Katakana de nomes de pessoas e lugares em japonês.
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": "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"
  }
}
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
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 disponível em https://doitong.com/pt-PT/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt