உள்ளடக்கத்திற்குச் செல்க

Kotoba Speech-to-Text

ஒருங்கிணை

மாடல் 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"

எடுத்துக்காட்டு போன்ற கோப்புகள்: $0.001 1 API கிரெடிட் · ≈ ₽0.11 இயக்குவதற்கு முன் உங்கள் கோப்புகள் அளவிடப்படும் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
Kotoba Technologies பேச்சிலிருந்து உரைக்கு #commercial-use#speech-to-text#japanese#multilingual

2 நிமிடங்கள் வரை நீளமுள்ள கிளிப்புகளுக்கான பேச்சு-உரை மாற்றம்; ஜப்பானிய மொழிக்காகச் சரிசெய்யப்பட்டது, சொல் நேரக்குறிப்புகள் மற்றும் முக்கியச்சொல் குறிப்புகளுடன்

Kotoba Technologies · உரை

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

•தேவை audio_url
கோப்பை விடுங்கள் அல்லது

ஆடியோ கால அளவு 2 நிமிடங்களுக்கு வரையறுக்கப்பட்டுள்ளது.

language •தேவை

ஆடியோவில் பேசுபவர்கள் பயன்படுத்தும் மொழி.

மேம்பட்டவை with_timestamps · diarization · kana · keywords

எழுத்துப்பிழைத் திருத்தத்தில் முன்னுரிமை அளிக்க வேண்டிய சொற்கள்; பெயர்கள் அல்லது தயாரிப்பு சொற்களும் இதில் அடங்கும். அதிகபட்சம் 1000 சொற்களை ஏற்கும், ஒவ்வொன்றும் 64 எழுத்துகளுக்கு வரையறுக்கப்பட்டது.

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

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Kotoba Speech-to-Text பற்றி

`audio_url` இலிருந்து அதிகபட்சம் 2 நிமிட ஆடியோ கிளிப்பை உரையாக மாற்றுகிறது. `language` ஐ ja, en, ko, zh, es, zh-hk, zh-tw அல்லது auto என அமைக்கவும். விருப்பமான `with_timestamps` ஒவ்வொரு சொல்லின் தொடக்க மற்றும் முடிவு நேரங்களை வழங்குகிறது; `diarization` பேசுபவர்களை அடையாளப்படுத்துகிறது; `keywords` எழுத்துப்பிழைத் தேர்வை வழிநடத்த அதிகபட்சம் 1000 சொற்களை ஏற்கிறது; `kana` ஜப்பானியப் பெயர்களை கட்டகானாவில் எழுதுகிறது. வெளியீட்டில் உரை, கண்டறியப்பட்ட மொழி மற்றும் ஆடியோ கால அளவு அடங்கும்.

அளவுருக்கள்

நியமப் பெயர் அல்லது நேட்டிவ் பெயர் இரண்டில் ஒன்றை மட்டும் அனுப்பவும். நியமப் பெயர்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
audio_urlதேவை audio
வகைurl · audio
ஆடியோ கால அளவு 2 நிமிடங்களுக்கு வரையறுக்கப்பட்டுள்ளது.
languageதேவை
வகைenum
jaenkozheszh-hkzh-twauto
ஆடியோவில் பேசுபவர்கள் பயன்படுத்தும் மொழி.
with_timestampsவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
`words` இல் ஒவ்வொரு சொல்லின் தொடக்கமும் முடிவும் உட்பட, சொல்-வாரியான நேரக் குறியீட்டு வெளியீடு.
diarizationவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
சொல்-நிலை பேச்சாளர் பண்புக்கூறு; பேச்சாளர் டோக்கன்களை ஆதரிக்கும் மாதிரிகளுக்கு மட்டுமே கிடைக்கும். ஒவ்வொரு சொல்லுக்கும் `speaker_id` வழங்கப்படும், ஆனால் `with_timestamps` கூட இயக்கப்பட்டால் மட்டுமே அதன் நேரம் நிரப்பப்படும்; இல்லையெனில் null ஆக இருக்கும்.
keywordsவிருப்பத்தேர்வு
வகைstring[]
≤ 1,000 உருப்படிகள்
எழுத்துப்பிழைத் திருத்தத்தில் முன்னுரிமை அளிக்க வேண்டிய சொற்கள்; பெயர்கள் அல்லது தயாரிப்பு சொற்களும் இதில் அடங்கும். அதிகபட்சம் 1000 சொற்களை ஏற்கும், ஒவ்வொன்றும் 64 எழுத்துகளுக்கு வரையறுக்கப்பட்டது.
kanaவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
ஜப்பானிய மொழியில் நபர்களின் பெயர்கள் மற்றும் இடப்பெயர்களின் கடகானா எழுத்தாக்கம்.
தேவை நியமப் பெயர், இதுவும் ஏற்கப்படும்

கோப்பு அளவுருக்கள் பொதுவான https:// URL, 10 MB வரையிலான data: URI அல்லது பதிவேற்றத்தின் file_url-ஐ ஏற்கும். கோப்புகள்

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
audio_duration_secs
number | null
language_code
string
language_probability
number
text
string
words
array of object {end, speaker_id, start, text, type}

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/kotoba-technologies/kotoba-stt/v1/speech-to-text.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt