Gå til indhold

ElevenLabs Speech to Text

Integrer

Model-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"

Filer som eksemplet: 0,03 $ 30 API-kreditter dine filer måles før kørslen Kør den på denne side

Hent API-nøgle
ElevenLabs Tale til tekst #speech

Generel taletransskription med taleradskillelse, lydhændelsestags og detaljer på ordniveau

ElevenLabs · Tekst

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet audio_url
Slip en fil, eller

URL, der peger på lyd til transskription.

Avanceret language_code · tag_audio_events · diarize

Kode, der identificerer lydens sprog.

POST /run/elevenlabs/speech-to-text?wait=20 pris → 0,03 $
# 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"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om ElevenLabs Speech to Text

Transskriberer en lydfil til tekst. Angiv `language_code`, eller lad den være tom for automatisk registrering. `diarize` angiver, hvem der taler, og `tag_audio_events` markerer lyde som latter; begge er som standard slået til. Outputtet indeholder den fulde tekst, sproget og sikkerheden for registreringen samt detaljer på ordniveau.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse
audio_urlpåkrævet audio
Typeurl · audio
URL, der peger på lyd til transskription.
language_codevalgfri
Typestring | null
Kode, der identificerer lydens sprog.
tag_audio_eventsvalgfri
Typeboolean
Standardtrue
Styrer tagging af lydhændelser som latter eller bifald.
diarizevalgfri
Typeboolean
Standardtrue
Styrer, om taleridentiteter annoteres.
påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
text
stringDen fulde tekst i transskriptionen.
language_code
stringSprogkode opnået via registrering eller eksplicit angivelse.
language_probability
numberKonfidensscore for det registrerede sprog.
words
array of object {text, start, end, type, speaker_id}Transskriptionsoplysninger for individuelle ord.

Flere modeller: Tale til tekst

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/elevenlabs/speech-to-text.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt