কনটেন্টে যান

ElevenLabs Speech to Text

ইন্টিগ্রেট করুন

মডেল id elevenlabs/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.com/v1/run/elevenlabs/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"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

উদাহরণের মতো ফাইল: ০.০৩$ ৩০ API ক্রেডিট চালানোর আগে আপনার ফাইল মাপা হয় এই পেজে চালান

API কী পান

স্পিকার ডায়ারাইজেশন, অডিও ইভেন্ট ট্যাগ এবং শব্দ-স্তরের বিস্তারিতসহ সাধারণ স্পিচ ট্রান্সক্রিপশন

ElevenLabs · টেক্সট

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক audio_url
একটি ফাইল ড্রপ করুন, অথবা

ট্রান্সক্রিপশনের অডিও নির্দেশকারী URL।

অ্যাডভান্সড language_code · tag_audio_events · diarize

অডিওর ভাষা শনাক্তকারী কোড।

POST /run/elevenlabs/speech-to-text?wait=20 মূল্য → ০.০৩$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/elevenlabs/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"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

ElevenLabs Speech to Text সম্পর্কে

একটি অডিও ফাইলকে টেক্সটে ট্রান্সক্রাইব করে। `language_code` সেট করুন অথবা শনাক্তকরণের জন্য খালি রাখুন। `diarize` কে কথা বলছে তা চিহ্নিত করে এবং `tag_audio_events` হাসির মতো শব্দ চিহ্নিত করে; উভয়ের ডিফল্ট মান চালু। আউটপুটে সম্পূর্ণ টেক্সট, ভাষা ও শনাক্তকরণের আত্মবিশ্বাসের মাত্রা এবং শব্দ-স্তরের বিশদ থাকে।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
audio_urlআবশ্যক audio
ধরনurl · audio
ট্রান্সক্রিপশনের অডিও নির্দেশকারী URL।
language_codeঐচ্ছিক
ধরনstring | null
অডিওর ভাষা শনাক্তকারী কোড।
tag_audio_eventsঐচ্ছিক
ধরনboolean
ডিফল্টtrue
হাসি বা হাততালির মতো অডিও ইভেন্ট ট্যাগ করা হবে কি না তা নিয়ন্ত্রণ করে।
diarizeঐচ্ছিক
ধরনboolean
ডিফল্টtrue
বক্তার পরিচয় অ্যানোটেট করা হবে কি না তা নিয়ন্ত্রণ করে।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "elevenlabs/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": 30,
    "usd": "0.03",
    "charged": 30,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "text": "string",
    "language_code": "string",
    "language_probability": 1.0,
    "words": [
      {
        "text": "string",
        "start": 1.0,
        "end": 1.0,
        "type": "string",
        "speaker_id": "string"
      }
    ]
  },
  "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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
text
stringট্রান্সক্রিপশনের সম্পূর্ণ টেক্সট।
language_code
stringশনাক্তকরণ বা স্পষ্ট নির্ধারণের মাধ্যমে পাওয়া ভাষা কোড।
language_probability
numberশনাক্ত করা ভাষার জন্য আত্মবিশ্বাসের স্কোর।
words
array of object {text, start, end, type, speaker_id}পৃথক শব্দের ট্রান্সক্রিপশন তথ্য।

আরও মডেল: স্পিচ থেকে টেক্সট

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/elevenlabs/speech-to-text.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt