Перейти к содержимому

Kotoba Speech-to-Text

Интеграция

ID модели 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"

Файлы, как в примере: 0,001 $ 1 API-кредит · ≈ 0,11 ₽ ваши файлы измеряются перед запуском Запустить на этой странице

Получить API-ключ
Kotoba Technologies Речь в текст #commercial-use#speech-to-text#japanese#multilingual

Преобразование речи в текст для клипов длительностью до 2 минут с оптимизацией для японского языка, временными метками слов и подсказками ключевых слов

Kotoba Technologies · Текст

Здесь появится ваш первый результат

Составьте запрос ниже и выполните его с помощью API-ключа. Результаты копируются в наше хранилище и хранятся навсегда или 7 дней бесплатно.

Сформировать запрос

Элементы управления сгенерированы из схемы модели. Код и цена обновляются при изменении параметров.

•обязательно audio_url
Перетащите файл или

Длительность аудио до 2 минут.

language •обязательно

Язык, на котором говорят участники аудио.

Расширенные with_timestamps · diarization · kana · keywords

Термины, написание которых следует предпочитать в расшифровке, включая имена и названия продуктов. Не более 1000 терминов, каждый длиной до 64 символов.

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

Запустить этот запрос

Ваш ключ хранится в этом браузере: он отправляется только в Doitong API и сохраняется в localStorage только при включении параметра «Запомнить». Получить API-ключ

О Kotoba Speech-to-Text

Расшифровывает аудиоклип длительностью до 2 минут по адресу `audio_url`. Установите `language` в ja, en, ko, zh, es, zh-hk, zh-tw или auto. Необязательный `with_timestamps` возвращает время начала и окончания каждого слова, `diarization` размечает дикторов, `keywords` принимает до 1000 терминов для уточнения написания, а `kana` записывает имена катаканой для японского языка. Результат содержит текст, определённый язык и длительность аудио.

Параметры

Передавайте либо каноническое имя, либо исходное имя, но не оба. Канонические имена

ИмяТип По умолчаниюДопустимые значения Описание
audio_urlобязательно audio
Типurl · audio
Длительность аудио до 2 минут.
languageобязательно
Типenum
jaenkozheszh-hkzh-twauto
Язык, на котором говорят участники аудио.
with_timestampsнеобязательно
Типboolean
По умолчаниюfalse
Поминутная разметка времени в `words`, включая начало и конец каждого слова.
diarizationнеобязательно
Типboolean
По умолчаниюfalse
Атрибуция говорящего на уровне слов, доступная только моделям с поддержкой токенов говорящих. Каждое слово получает `speaker_id`, но время остаётся null, если также не включён `with_timestamps`.
keywordsнеобязательно
Типstring[]
≤ 1 000 элементов
Термины, написание которых следует предпочитать в расшифровке, включая имена и названия продуктов. Не более 1000 терминов, каждый длиной до 64 символов.
kanaнеобязательно
Типboolean
По умолчаниюfalse
Запись имён людей и географических названий на японском языке катаканой.
обязательно Каноническое имя, также принимается

Параметры файлов принимают общедоступный https:// URL, data: URI размером до 10 MB или file_url загруженного файла. Файлы

Результат

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"
  }
}
Ваши файлы — ваш выборКаждый URL из outputs[].url — это копия в нашем хранилище: она хранится навсегда (оплата за ГБ в месяц) или 7 дней бесплатно — в зависимости от настройки вашего аккаунта или параметра ?storage=.
Одинаковая структура у каждой моделиtype, url, content_type, width, height и duration — одинаково для изображений, видео и аудио. output — собственный объект результата модели.
Поля результата
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

Для AI-агентов: эта страница в формате Markdown доступна по адресу https://doitong.com/ru/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Все модели и руководства: https://doitong.com/developers/llms.txt