Preskoči na vsebino

Kotoba Speech-to-Text

Integracija

ID modela 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"

Datoteke, kot je primer: 0,001 $ 1 API kredit · ≈ 0,11 ₽ vaše datoteke se izmerijo pred zagonom Zaženi na tej strani

Pridobi ključ API
Kotoba Technologies Govor v besedilo #commercial-use#speech-to-text#japanese#multilingual

Pretvarjanje govora v besedilo za posnetke do 2 minut, prilagojeno japonščini, s časovnimi žigi besed in namigi za ključne besede

Kotoba Technologies · Besedilo

Tukaj bo vaš prvi rezultat

Spodaj sestavite zahtevo in jo zaženite s svojim ključem API. Izhodi se kopirajo v našo shrambo, kjer se hranijo za vedno ali 7 dni brezplačno.

Ustvari zahtevo

Kontrolniki se ustvarijo iz sheme modela. Koda in cena se posodobita, ko ju spreminjate.

•obvezno audio_url
Spustite datoteko ali

Trajanje zvoka je omejeno na 2 minuti.

language •obvezno

Jezik govorcev v zvoku.

Napredno with_timestamps · diarization · kana · keywords

Izrazi, katerih zapis naj ima v prepisu prednost, vključno z imeni ali terminologijo izdelkov. Sprejme največ 1000 izrazov, vsak je omejen na 64 znakov.

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

Zaženi to zahtevo

Vaš ključ ostane v tem brskalniku: pošlje se samo v Doitong API in shrani v localStorage samo, če označite možnost Zapomni si. Pridobi ključ API

O modelu Kotoba Speech-to-Text

Prepiše zvočni posnetek do 2 minut z naslova `audio_url`. `language` nastavite na ja, en, ko, zh, es, zh-hk, zh-tw ali auto. Neobvezni `with_timestamps` vrne začetne in končne čase posameznih besed, `diarization` označi govorce, `keywords` sprejme do 1000 izrazov za usmerjanje črkovanja, `kana` pa za japonščino zapiše imena v katakani. Izhod vključuje besedilo, zaznani jezik in trajanje zvoka.

Parametri

Pošlji kanonično ali izvorno ime, ne obeh. Kanonična imena

ImeVrsta PrivzetoDovoljeno Opis
audio_urlobvezno audio
Vrstaurl · audio
Trajanje zvoka je omejeno na 2 minuti.
languageobvezno
Vrstaenum
jaenkozheszh-hkzh-twauto
Jezik govorcev v zvoku.
with_timestampsneobvezno
Vrstaboolean
Privzetofalse
Izhod časovnega poteka po besedah v `words`, vključno z začetkom in koncem vsake besede.
diarizationneobvezno
Vrstaboolean
Privzetofalse
Pripis govorca na ravni besed, na voljo samo pri modelih, ki podpirajo žetone govorcev. Vsaka beseda prejme `speaker_id`, njen čas pa ostane null, razen če je omogočen tudi `with_timestamps`.
keywordsneobvezno
Vrstastring[]
≤ 1000 elementov
Izrazi, katerih zapis naj ima v prepisu prednost, vključno z imeni ali terminologijo izdelkov. Sprejme največ 1000 izrazov, vsak je omejen na 64 znakov.
kananeobvezno
Vrstaboolean
Privzetofalse
Zapis imen oseb in krajev v japonščini s katakano.
obvezno Kanonično ime, prav tako sprejeto

Parametri datotek sprejmejo javni https:// URL, podatkovni URI data: do 10 MB ali file_url naložene datoteke. Datoteke

Izhod

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"
  }
}
Vaše datoteke, vaša izbiraVsak outputs[].url je kopija v naši shrambi: hrani se za vedno (plačilo na GB-mesec) ali 7 dni brezplačno, glede na nastavitev računa ali ?storage=.
Enaka struktura pri vsakem modelutype, url, content_type, width, height in duration za slike, videoposnetke in zvok. output je lasten objekt rezultata modela.
Polja izhoda
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

Za agente AI: ta stran je v obliki Markdown na voljo na https://doitong.com/sl/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Vsi modeli in vodniki: https://doitong.com/developers/llms.txt