Hoppa till innehåll

Kotoba Speech-to-Text

Integrera

Modell-id 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"

Filer som exemplet: 0,001 $ 1 API-kredit · ≈ 0,11 ₽ dina filer mäts innan körningen Kör den på den här sidan

Hämta API-nyckel
Kotoba Technologies Tal till text #commercial-use#speech-to-text#japanese#multilingual

Tal-till-text för klipp på upp till 2 minuter, optimerad för japanska, med ordtidsstämplar och nyckelordstips

Kotoba Technologies · Text

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt audio_url
Släpp en fil eller

Ljudlängd begränsad till 2 minuter.

language •obligatoriskt

Språk som ljudets talare använder.

Avancerat with_timestamps · diarization · kana · keywords

Termer vars stavning ska prioriteras i transkriptionen, inklusive namn eller produktterminologi. Accepterar högst 1000 termer, var och en begränsad till 64 tecken.

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

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Kotoba Speech-to-Text

Transkriberar ett ljudklipp på upp till 2 minuter från `audio_url`. Ställ `language` till ja, en, ko, zh, es, zh-hk, zh-tw eller auto. Valfria `with_timestamps` returnerar start- och sluttider per ord, `diarization` märker talare, `keywords` accepterar upp till 1000 termer för att styra stavningen och `kana` skriver namn med katakana på japanska. Utdata innehåller text, upptäckt språk och ljudets längd.

Parametrar

Skicka antingen det kanoniska namnet eller det inbyggda namnet, inte båda. Kanoniska namn

NamnTyp StandardTillåtna Beskrivning
audio_urlobligatoriskt audio
Typurl · audio
Ljudlängd begränsad till 2 minuter.
languageobligatoriskt
Typenum
jaenkozheszh-hkzh-twauto
Språk som ljudets talare använder.
with_timestampsvalfritt
Typboolean
Standardfalse
Tidsdata per ord i `words`, inklusive varje ords start och slut.
diarizationvalfritt
Typboolean
Standardfalse
Talartilldelning på ordnivå, endast tillgänglig för modeller som stöder talartoken. Varje ord får en `speaker_id`, men dess tid förblir null om inte `with_timestamps` också är aktiverat.
keywordsvalfritt
Typstring[]
≤ 1 000 objekt
Termer vars stavning ska prioriteras i transkriptionen, inklusive namn eller produktterminologi. Accepterar högst 1000 termer, var och en begränsad till 64 tecken.
kanavalfritt
Typboolean
Standardfalse
Katakana-återgivning av person- och ortnamn på japanska.
obligatoriskt Kanoniskt namn, accepteras också

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. Alla modeller och guider: https://doitong.com/developers/llms.txt