Zum Inhalt springen

Wizper (Whisper v3)

Integrieren

Modell-ID wizper
# 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/wizper?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"

Bis zu 1,998 $ pro Ausführung Nach tatsächlicher Nutzung abgerechnet, der Rest wird erstattet Auf dieser Seite ausführen

API-Schlüssel abrufen
OpenAI Sprache zu Text #transcription#speech

Sprachtranskription mit Whisper v3 und Übersetzung ins Englische mit Chunks und Zeitstempeln

OpenAI · Text

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich audio_url
Datei ablegen oder

Transkriptions-Eingabe als URL zu einer Audiodatei im Format mp3, mp4, mpeg, mpga, m4a, wav oder webm.

Erweitert task · language · chunk_level · version · max_segment_len · merge_chunks
task Standard transcribe

Audioverarbeitungsaufgabe: transcribe oder translate auswählen.

Standard en

Auswahl der Audiosprache; `None` fordert automatische Erkennung an, verlängert jedoch die Inferenzzeit. Bei der Aufgabe translate ist Englisch immer das Übersetzungsziel, daher ändert diese Sprachauswahl die Ausgabesprache nicht.

Standard segment

Granularität der zurückgegebenen Abschnitte.

Standard 3

Versionsauswahl innerhalb der Whisper-large-Familie; von diesen Modellen wird keine andere Whisper-Variante verwendet.

Standard 29

Längenlimit für Sprachsegmente in Sekunden, nach dem eine Aufteilung erfolgt.

POST /run/wizper?wait=20 Preis → 1,998 $
# 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/wizper?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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Wizper (Whisper v3)

Transkribiert eine Audiodatei von einer URL (mp3, mp4, mpeg, mpga, m4a, wav oder webm) oder übersetzt sie mit `task` ins Englische. Das Feld `language` unterstützt 99 Werte; automatische Erkennung ist möglich. Gibt den vollständigen Text sowie Chunks mit Zeitstempeln zurück. `max_segment_len` (10-29 Sekunden) und `merge_chunks` steuern die Aufteilung der Segmente.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
audio_urlerforderlich audio
Typurl · audio
Transkriptions-Eingabe als URL zu einer Audiodatei im Format mp3, mp4, mpeg, mpga, m4a, wav oder webm.
taskoptional
Typenum
Standardtranscribe
transcribetranslate
Audioverarbeitungsaufgabe: transcribe oder translate auswählen.
languageoptional
Typenum
Standarden
afamarasazbabebgbnbobrbscacscyda
+83 weiteredeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Auswahl der Audiosprache; `None` fordert automatische Erkennung an, verlängert jedoch die Inferenzzeit. Bei der Aufgabe translate ist Englisch immer das Übersetzungsziel, daher ändert diese Sprachauswahl die Ausgabesprache nicht.
chunk_leveloptional
Typstring
Standardsegment
Granularität der zurückgegebenen Abschnitte.
max_segment_lenoptional
Typinteger
Standard29
10 – 29
Längenlimit für Sprachsegmente in Sekunden, nach dem eine Aufteilung erfolgt.
merge_chunksoptional
Typboolean
Standardtrue
Steuerung zum Zusammenführen aufeinanderfolgender Abschnitte; eine Zusammenführung ist nur zulässig, wenn die Dauer des resultierenden Segments höchstens max_segment_len beträgt.
versionoptional
Typstring
Standard3
Versionsauswahl innerhalb der Whisper-large-Familie; von diesen Modellen wird keine andere Whisper-Variante verwendet.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "wizper",
  "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": 1998,
    "usd": "1.998",
    "charged": 1998,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "text": "string",
    "chunks": [
      {
        "timestamp": [],
        "text": "string"
      }
    ],
    "languages": [
      "af"
    ]
  },
  "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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
text
stringAus dem Audio transkribierter Text.
chunks
array of object {timestamp, text}Audioabschnitte mit Zeitstempeln.
languages
array of enum (string)Ergebnisse der Audiospracherkennung, zurückgegeben als Liste der ermittelten Sprachen mit null als Standardwert.

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/wizper.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt